PulseAugur
中
实时 22:33:43

New GA-S2S model boosts knowledge graph link prediction accuracy

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个名为 Graph-Augmented Sequence-to-Sequence (GA-S2S) 的新框架，该框架增强了知识图谱链接预测能力。该模型结合了 T5-small 编码器-解码器和关系图注意力网络 (RGAT)，同时纳入了文本实体描述和底层图结构。通过同时处理多跳关系模式和文本信息，GA-S2S 在链接预测准确性方面取得了显著提升，在 CoDEx 数据集上相比现有方法相对提高了 19%。 AI

影响 这一新框架有望提高知识图谱补全和推理任务的准确性。

排序理由 发布了一篇详细介绍用于知识图谱链接预测的新颖模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

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

New GA-S2S model boosts knowledge graph link prediction accuracy

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Steffen Staab ·

    利用Seq2Seq模型中的图结构进行知识图谱链接预测

    We introduce Graph-Augmented Sequence-to-Sequence (GA-S2S), a novel framework that integrates a T5-small encoder-decoder with a Relational Graph Attention Network (RGAT) to improve link prediction in knowledge graphs. While existing Seq2Seq models rely solely on surface-level tex…

相关实体

相关话题