实体
Hyper-relational knowledge graphs
Hyper-relational knowledge graphs
PulseAugur coverage of Hyper-relational knowledge graphs — every cluster mentioning Hyper-relational knowledge graphs across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
为N元知识表示学习提出新分类法
一篇新的调查论文介绍了一种用于N元知识表示学习方法的新型二维分类法，重点关注知识超图（KHGs）和超关系知识图谱（HKGs）。该分类法根据方法论（例如，基于翻译、基于深度神经网络）以及模型对N元关系中实体角色和位置的认知情况对模型进行分类。该论文还总结了基准数据集、训练设置，并概述了该领域的未来研究挑战。
-
新方法 KREPE 在超关系知识图谱上生成事实
研究人员开发了 KREPE，一种用于超关系知识图谱（HKGs）的生成表示学习的新方法。该方法通过能够生成完整的事实（即使多个组件缺失）来解决现有方法的局限性，而不仅仅是预测单个链接。KREPE 利用掩码离散扩散来模拟事实内部的依赖关系以及事实之间的相关性，在链接预测任务上取得了最先进的性能，并在生成新颖事实方面优于大型语言模型。