实体
SNAP-KG
SNAP-KG
PulseAugur coverage of SNAP-KG — every cluster mentioning SNAP-KG across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
关系
最近 · 第 1/1 页 · 共 3 条
-
研究人员发现SNAP-KG框架在异质图上表现不佳
本文介绍了一个名为SNAP-KG的框架，该框架通过根据新实体的特征将其分配到语义社区来将其集成到现有知识图中。虽然SNAP-KG在连接节点通常属于同一类的同质图上表现良好，但在不满足此假设的异质图上，其性能会显著下降。研究强调，关系（relation）的同质性，而不是关系的数量，是聚类质量的关键因素。作者认为，处理异质多视图聚类是一个独立的研究问题，并提出未来工作将开发一个异质感知型（heterophily-aware）的SNAP-KG教师模型。
-
SNAP-KG框架实现知识图谱高效流式实体集成
研究人员开发了SNAP-KG，一个旨在更高效地将新实体集成到知识图谱中的新框架。与需要为每个新实体进行重新训练的现有方法不同，SNAP-KG使用投影器将原始特征直接映射到嵌入空间，从而实现即时聚类分配。这种归纳方法显著加快了推理时间，并保持了具有竞争力的聚类质量，这在多个基准数据集和大型知识图谱上得到了证明。
-
SNAP-KG框架为知识图谱实现高效的流式实体集成
研究人员开发了SNAP-KG，一个新颖的框架，旨在高效地将新实体集成到大型知识图谱中。与现有方法需要为每个新实体进行重新训练不同，SNAP-KG使用一种投影技术，直接从传入实体的特征向量将其分配到语义社区。这种归纳方法显著加快了推理速度，与传统方法相比提高了几个数量级，同时保持了具有竞争力的聚类质量。该框架已在各种数据集上证明了其有效性，包括一个包含240万个节点的超大规模知识图谱，并且可以为实体解析和链接预测等下游任务将候选搜索空间…