文章预览
来源:专知 本文 约1000字 ,建议阅读 5 分钟 在本论文中,我们针对利用GNN进行知识图谱的深度学习,考察了归纳性知识图谱补全和知识增强推荐任务,提出了新的基于GNN的方法以应对这些挑战。 知识图谱(KGs)正在重塑关于世界信息的表示、组织和利用的范式 。知识图谱提供了丰富的语义信息,并已成为人工智能(AI)的驱动力之一。KG的研究主要有两个重要方向:一是构建和提高知识图谱的质量,二是深入探讨知识图谱的广泛应用。近年来,图神经网络(GNNs)也取得了显著进展。GNN是一类适用于图领域的深度学习技术,在许多任务中表现出令人鼓舞的性能。尽管已有研究尝试将GNN应用于KG相关任务,但模型功能设计、可扩展性问题、因传导性而只能预测训练中观察到的实体的局限性,以及基准质量等方面仍存在诸多挑战。在本论文中,我们针
………………………………