知识图谱 论文
发布时间
阅读量：
阅读量
利用张量分解技术的知识图谱进行表示学习：
对类型约束的多关系数据进行大规模分解（Large-scale factorization of type-constrained multi-relational data）。
对因子化概率三元组数据库进行查询优化（Querying factorized probabilistic triple databases）。
对多关系数据应用逻辑斯谛张量分解（Logistic tensor factorization for multi-relational data）。
通过引入可观察模式，在关系因子化模型中实现秩缩减（Reducing the rank in relational factorization models by including observable patterns）。
基于翻译的技术构建多维关系数据模型
基于神经网络技术的知识图谱表示学习
通过神经张量网络进行知识库的推理与填充
基于语义匹配的能量函数用于处理多关系数据
延伸阅读
Freebase: 构建人类知识的协作性图数据库
学习知识基体的结构化嵌入
一种适用于高度多关系数据的潜在因子模型
基于贝叶斯聚类张量因子分解模型建模关系数据
Knowledge vault: 概率知识融合的方法
全部评论 (0)
还没有任何评论哟~