实体
knowledge graph completion
knowledge graph completion
PulseAugur coverage of knowledge graph completion — every cluster mentioning knowledge graph completion across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
Q-GNN 通过实体和类型感知增强知识图谱补全
研究人员开发了 Q-GNN，一种用于知识图谱补全的新方法，通过整合来自查询实体和关系的信息来增强推理。与之前主要使用关系来指导推理的方法不同，Q-GNN 利用了查询实体的结构上下文和语义类型。语义类型是使用大型语言模型推断出来的，为注意力机制和最终评分提供了类型级别的约束。在标准基准上的实验表明，Q-GNN 有效地改进了知识图谱补全。
-
新框架ReaLM融合知识图谱嵌入与大语言模型；研究发现知识图谱嵌入模型不稳定
研究人员开发了ReaLM，一个通过将知识图谱嵌入离散化为可学习的token来连接知识图谱嵌入与大语言模型的新框架。该方法允许符号知识和上下文知识更有效地融合，在基准数据集上表现优于现有方法。另外，一项分析知识图谱嵌入模型的研究发现，高性能模型会产生高度可变的预测和嵌入空间，随机种子和其他随机因素显著影响结果。这种不稳定性引发了对当前知识图谱补全基准测试协议可靠性的担忧。