Multimodal Scholarly Attention Network

新的MM-SAN方法增强了学术知识图谱的数据集推荐

研究人员开发了多模态学术注意力网络（MM-SAN），这是一种新颖的方法，用于推荐与研究出版物相关的数据集。该方法解决了大规模、异构、动态和不完整的学术知识图谱（SKGs）带来的挑战。MM-SAN集成了拓扑感知和基于文本的嵌入，以促进数据集发现，即使在文本元数据有限的情况下也是如此。该系统设计用于在转导、半归纳和全归纳设置中有效运行，适应不断发展的SKGs而无需重新训练。实验表明，MM-SAN在数据集推荐的准确性和可扩展性方面优于现有的最先进方法。