5-4-1知识图谱推理-基于嵌入学习的知识图谱推理

萌新滴程序员

752人浏览 · 2024-07-23 14:11:54

萌新滴程序员 · 2024-07-23 14:11:54 发布

基于嵌入学习的知识图谱推理

基于规则学习的知识图谱推理

Ontology Embedding-本体概念层推理

知识图谱嵌入模型：TransE的问题

无法处理一对多、多对一、多对多问题

TransH、TransR、TransD

另外一种知识图谱嵌入模型：DistMult，线性变换嵌入模型。

知识图谱嵌入模型：Analogy

利用类比推理的思想做知识图谱推理。

知识图谱嵌入模型：ComplEx

知识图谱嵌入模型：ConvE

直接叠加神经网络。

RotaE：复杂空间中基于关系旋转的知识图嵌入

BetaE：基于Beta嵌入的知识图谱多跳逻辑推理。

其他推理模型框架：强化学习-基于强化学习的知识图谱路径推理问答

知识图谱嵌入的挑战：稀疏性问题:

wRAN：利用关系对抗网络提升长尾部分的关系推理和补全的效能。对抗关系学习

元关系学习：在只有少量样本的情况实现知识图谱推理-Few-shot Reasoning

MetaR：EMNLP

天工造物局

北京人形旗下天工造物具身智能开源社区，聚焦具身天工与慧思开物两大平台

更多推荐

graphify 视频音视频转写全流程解析：从 detect 结果到知识图谱文档的 Step 2.5

graphify 的核心能力是把任意语料（代码、文档、PDF、图片）转化为可查询的知识图谱，而视频与音频文件无法被直接阅读，必须先把它们转写成文本。本文围绕 `graphify` 运行手册中的转写参考文档 [transcribe.md](https://link.gitcode.com/i/d3285781588e0f1b84886dfdbc4fe7f6)，完整讲解 "Step 2.5 - Tra

天工造物局

ML-For-Beginners 终章：经典机器学习在金融、医疗、零售等八大行业中的真实落地场景

本篇技术指南基于开源课程仓库 ML-For-Beginners 的收尾课程《Postscript: Machine learning in the real world》（对应仓库目录 [9-Real-World/1-Applications](https://link.gitcode.com/i/6b23002df80861c20abf34d7db63ef41)）编写。该课此前 11 周的教学带

天工造物局

graphify 知识图谱查询实战：query / path / explain 与可审计的答案闭环

本指南以 graphify 的 Trae 版查询技能参考（[graphify/skills/trae/references/query.md](https://link.gitcode.com/i/72a7875d46ec6d3706d31791f3cdcbe0)）为主体，系统讲解如何针对**已构建好的知识图谱**执行三类查询：语义相关节点遍历（query）、两概念间最短路径（path）、单节点关