PulseAugur
中
实时 20:38:20

KGPFN模型通过上下文学习增强知识图谱推理能力

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了一种新颖的知识图谱基础模型KGPFN，旨在增强用于知识图谱推理的上下文学习能力。该模型通过学习关系表示来捕捉不同知识图谱之间可转移的关系结构，然后执行查询特定的推理。KGPFN有效利用了局部邻域信息和从关系实例中提取的全局上下文，在适应未见过的图谱的57个基准测试中表现优于现有的微调模型。 AI

影响 为知识图谱基础模型引入了一种新方法，提高了在未见过数据上的泛化和推理能力。

排序理由 该集群包含一篇详细介绍新模型及其实验结果的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

KGPFN模型通过上下文学习增强知识图谱推理能力

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Yangqiu Song ·

    KGPFN: Unlocking the Potential of Knowledge Graph Foundation Model via In-Context Learning

    Knowledge graph (KG) foundation models aim to generalize across graphs with unseen entities and relations by learning transferable relational structure. However, most existing methods primarily emphasize relation-level universality, while in-context learning, the other pillar of …

相关实体

相关话题