新框架提升稀疏知识图谱推理效率

研究人员推出了一种名为StruProKGR的新型框架，旨在提高稀疏知识图谱上的推理能力。该方法通过采用一种距离引导的路径收集机制来降低计算成本并识别更相关的路径，从而应对数据不完整带来的挑战。StruProKGR通过整合结构信息，利用概率路径聚合来增强相互支持的路径，进一步提高了准确性。在五个基准测试上的实验表明，StruProKGR在有效性和效率方面均优于现有的基于路径的方法，为稀疏知识图谱推理提供了一个可解释的解决方案。 AI

影响 该框架为推断稀疏知识图谱中的缺失信息提供了一种更有效、更可解释的方法。

排序理由 该集群包含一篇详细介绍新知识图谱推理框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

• alphaXiv
• arXiv
• CatalyzeX Code Finder for Papers
• Connected Papers
• CORE Recommender
• DagsHub
• Gotit.pub
• Hugging Face
• knowledge graph
• Litmaps
• ScienceCast
• scite Smart Citations
• StruProKGR
• Yucan Guo

• 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 →