知识图谱描边——知识图谱的数值表示

略多
  • 核心词汇:embedding
  • 科研方向的核心问题:如何为KG中的实体与关系求得最优的向量化表示

一、概述

1、知识图谱有几种表示方法?

KG有两种表示方法:
其一,基于图的表示(方便人理解);
其二,数值表示(将知识图谱中的数据转化为机器可以“理解”的内容);

2、embedding是干什么的?

让深度学习模型能够使用KG中的知识。
全面的分为:翻译(TransE, TransH, TransR, etc)、双线性(RESCAL, DisMult, ComplEx, etc)、双曲几何(Poincare, MuRE, etc)、神经网络(ConvE, CapsE, etc)、旋转(RotatE, QuatE, DihEdral, etc)类别

一篇不错的文章参考知乎:embedding的作用

3、有哪些主流模型?

Trans系列的。
其实数值里边有基于距离的模型与基于翻译的模型。
按时间先后顺序为:
基于距离的模型:
SE,这篇文章《Learning Structured Embeddings of Knowledge Bases》2011
基于翻译的模型:把关系看成翻译
Trans E
Trans H
Trans R
Trans D
新的在不断改正着旧的。

二、发文心路历程:

——想做推理方向
——看ACL2020一篇文章
《Improving Multi-hop Question Answering over Knowledge Graphs using Knowledge Base Embeddings》
——注意到embedding和Trans E模型
——看《知识图谱——概念与技术》 2.2知识表示
去找系统性的讲解
——系统的了解了一下embedding

阅读 270

可傻了!

1 声望
0 粉丝
0 条评论

可傻了!

1 声望
0 粉丝
宣传栏