DualHNIE框架增强异构知识图谱中的节点重要性估计

研究人员推出了一种用于估计异构知识图谱中节点重要性的新颖框架DualHNIE。该方法利用双通道超图学习系统，显式地建模高阶交互并解耦结构和语义信息。DualHNIE使用来自元路径序列的类型化超边构建高阶图，并采用互补编码器来处理局部结构依赖和全局语义交互。实验表明，DualHNIE在基准数据集上的表现优于现有方法，凸显了其先进建模技术的优势。 AI

影响 通过改进知识图谱分析，增强了推荐和搜索系统的能力。

排序理由 该集群包含一篇详细介绍知识图谱分析新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• DualHNIE
• Gotit.pub
• Hugging Face
• Jiawen Chen
• MetaHGNIE
• ScienceCast

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →