实体
NBFNet
NBFNet
PulseAugur coverage of NBFNet — every cluster mentioning NBFNet 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
最近 · 第 1/1 页 · 共 2 条
-
KGPFN模型通过上下文学习增强知识图谱推理能力
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。与以往关注关系级别通用性的方法不同，KGPFN通过对局部邻域和全局关系行为进行条件化，整合了结构化和异构上下文。该模型利用了先验数据拟合网络（PFN），该网络将可迁移的关系表示与结构化上下文上的推理时间学习相结合，在57个知识图谱上实现了最先进的平均MRR。
-
新的GRATE方法增强了时间知识图谱基础模型
研究人员推出了一种名为GRATE（Gated Rotary Attention for Temporal Encoding）的新方法，旨在增强知识图谱基础模型的时间可迁移性。GRATE通过编码时间相对差异来实现，不引入新的可学习参数，并使用条件门控来选择相关时间信号。该方法与现有的NBFNet风格模型无缝集成，同时保持结构可迁移性。为了评估GRATE在具有不相交词汇的归纳迁移任务上的性能，开发了新的基准套件GDELTIndT和WIKIIndT。