本文分享一篇知識圖譜表示學(xué)習(xí)匯報ppt,將知識圖譜表示學(xué)習(xí)方法粗略分為四大類,涉及將近30篇優(yōu)秀論文,只簡單介紹其核心思想,完整匯報ppt獲取請關(guān)注公眾號回復(fù)關(guān)鍵字:知識圖譜表示學(xué)習(xí)
1、翻譯距離模型:包括TransH、TransR、TransD、TranSparse、TransM、MianfoldE、TransF、TransA、KG2E、TransG、UM、SE模型等;
2、語義匹配模型:包括RESCAL、DistMult、HoLE、ComplEx、ANALOGY、SNE、NTN、MLP、NAM模型等;
3、隨機游走模型:包括DeepWalk、LINE、node2vec模型等;
4、子圖匯聚模型:包括GCN、GAT、GraphSage模型等。
Motivation
知識圖譜是由實體(節(jié)點)和關(guān)系(不同類型的邊)組成的多關(guān)系圖,每條邊連接頭尾兩個實體,通常用SPO三元組進行表示(subject,predicate, object),被稱為一個事實。雖然知識圖譜在表示結(jié)構(gòu)化數(shù)據(jù)方面很有效,但這類三元組的潛在符號特性通常使得KGs很難操作。
因此知識圖譜表示學(xué)習(xí)便成為了一個熱門的研究方向,知識圖譜嵌入的關(guān)鍵思想是將圖譜中的實體entity和關(guān)系relation轉(zhuǎn)化為連續(xù)的向量,在保留KG原有結(jié)構(gòu)的同時使得操作方便。于是便可將entityembedding和relationembedding用到下游各種任務(wù)中,例如圖譜補全,關(guān)系抽取,實體分類,實體鏈接及實體融合等
知識圖譜嵌入技術(shù)經(jīng)典三個步驟:
1、representingentities and relations
2、defininga scoring function
3、learningentity and relation representations(最大化所有觀測事實的置信度plausibility)
根據(jù)scoringfunction區(qū)別分為distance-based scoring functions和similarity-based scoring functions
Papers
責(zé)任編輯:xj
原文標題:【知識圖譜系列】知識圖譜表示學(xué)習(xí)綜述 | 近30篇優(yōu)秀論文串講
文章出處:【微信公眾號:深度學(xué)習(xí)自然語言處理】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。
-
深度學(xué)習(xí)
+關(guān)注
關(guān)注
73文章
5439瀏覽量
120797 -
知識圖譜
+關(guān)注
關(guān)注
2文章
132瀏覽量
7675
原文標題:【知識圖譜系列】知識圖譜表示學(xué)習(xí)綜述 | 近30篇優(yōu)秀論文串講
文章出處:【微信號:zenRRan,微信公眾號:深度學(xué)習(xí)自然語言處理】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。
發(fā)布評論請先 登錄
相關(guān)推薦
評論