新框架统一了知识图谱的无监督预训练和有监督学习

研究人员开发了一个新颖的知识图谱学习框架，该框架将无监督预训练与有监督学习相结合。这种两阶段方法通过利用大规模无标签数据来改进表达性模型的训练，并为评分函数建立了一个理论基础，从而解决了现有方法的局限性。该框架包括一个非渐近风险界限，该界限正式量化了预训练对下游知识预测的好处，并在合成和真实基准上进行了实验验证。 AI

影响 这项研究通过有效利用无标签数据，有望带来更强大、更具泛化能力的知识图谱模型。

排序理由 该集群包含一篇学术论文，详细介绍了知识图谱学习的新理论框架和实验结果。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• CORE Recommender
• DagsHub
• Gotit.pub
• Hugging Face
• Influence Flower
• Knowledge Graph Learning
• 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 →