一篇知识图谱表示学习汇报ppt

描述

本文分享一篇知识图谱表示学习汇报ppt,将知识图谱表示学习方法粗略分为四大类,涉及将近30篇优秀论文,只简单介绍其核心思想,完整汇报ppt获取请关注公众号回复关键字:知识图谱表示学习

1、翻译距离模型:包括TransH、TransR、TransD、TranSparse、TransM、MianfoldE、TransF、TransA、KG2E、TransG、UM、SE模型等;

2、语义匹配模型:包括RESCAL、DistMult、HoLE、ComplEx、ANALOGY、SNE、NTN、MLP、NAM模型等;

3、随机游走模型:包括DeepWalk、LINE、node2vec模型等;

4、子图汇聚模型:包括GCN、GAT、GraphSage模型等。

 

Motivation

 

知识图谱是由实体(节点)和关系(不同类型的边)组成的多关系图,每条边连接头尾两个实体,通常用SPO三元组进行表示(subject,predicate, object),被称为一个事实。虽然知识图谱在表示结构化数据方面很有效,但这类三元组的潜在符号特性通常使得KGs很难操作。

因此知识图谱表示学习便成为了一个热门的研究方向,知识图谱嵌入的关键思想是将图谱中的实体entity和关系relation转化为连续的向量,在保留KG原有结构的同时使得操作方便。于是便可将entityembedding和relationembedding用到下游各种任务中,例如图谱补全,关系抽取,实体分类,实体链接及实体融合等

知识图谱嵌入技术经典三个步骤:

1、representingentities and relations

2、defininga scoring function

3、learningentity and relation representations(最大化所有观测事实的置信度plausibility)

根据scoringfunction区别分为distance-based scoring functions和similarity-based scoring functions

 

Papers

 

深度学习

深度学习

深度学习

深度学习

深度学习

深度学习

深度学习

深度学习

深度学习

深度学习

深度学习

深度学习

深度学习

深度学习

深度学习

深度学习

深度学习

深度学习

深度学习

深度学习

深度学习

责任编辑:xj

原文标题:【知识图谱系列】知识图谱表示学习综述 | 近30篇优秀论文串讲

文章出处:【微信公众号:深度学习自然语言处理】欢迎添加关注!文章转载请注明出处。

 

打开APP阅读更多精彩内容
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

全部0条评论

快来发表一下你的评论吧 !

×
20
完善资料,
赚取积分