金沙娱乐场官方网-澳门金沙会官网-金沙集团股价实情信息最新

中文題目：通過(guò)頭實(shí)體和關(guān)系子空間之間的相互作用和標(biāo)量融合學(xué)習(xí)尾實(shí)體的表示

論文題目：Learning Representations of Tail Entities via Interactions and Scalar Fusions among Subspaces of Head Entities and Relationships

錄用期刊/會(huì)議：CAC2024 （CAA A類(lèi)會(huì)議）

錄用時(shí)間：2024.9.20

作者列表：

1) 吳芃鲯 中國(guó)石油大學(xué)（北京）人工智能學(xué)院 控制科學(xué)與工程 研22級(jí)

2) 劉建偉 中國(guó)石油大學(xué)（北京）人工智能學(xué)院 自動(dòng)化系 教師

摘要:

在過(guò)去的幾十年里，針對(duì)鏈?zhǔn)筋A(yù)測(cè)和知識(shí)圖譜補(bǔ)全任務(wù)的算法得到了廣泛研究。然而，傳統(tǒng)基于幾何空間嵌入的方法面臨諸如高維度、高計(jì)算復(fù)雜度和擴(kuò)展性差等挑戰(zhàn)。為了解決這些問(wèn)題，我們提出了一種新模型：基于頭實(shí)體和關(guān)系子空間交互與標(biāo)量融合的尾實(shí)體表示（RTIFS）。該模型基于一種新的假設(shè)，即頭實(shí)體、關(guān)系與尾實(shí)體三元組之間的空間關(guān)系可以通過(guò)嵌入與抽象來(lái)獲取尾實(shí)體的信息。實(shí)驗(yàn)表明，與最新的八個(gè)先進(jìn)基線(xiàn)模型相比，RTIFS 在性能上具有競(jìng)爭(zhēng)力，并且降低了嵌入維度。

背景與動(dòng)機(jī):

知識(shí)圖譜（Knowledge Graphs，KGs）近年來(lái)在自然語(yǔ)言處理、數(shù)據(jù)挖掘和推薦系統(tǒng)等領(lǐng)域得到了廣泛應(yīng)用。然而，現(xiàn)有的基于幾何空間嵌入和神經(jīng)網(wǎng)絡(luò)的方法面臨高維度嵌入、高計(jì)算復(fù)雜度和可擴(kuò)展性不足等挑戰(zhàn)。為解決這些問(wèn)題，本研究旨在提出一種高效、可擴(kuò)展的新模型，以?xún)?yōu)化知識(shí)圖譜鏈?zhǔn)筋A(yù)測(cè)和補(bǔ)全任務(wù)。

主要內(nèi)容:

本文提出了一種名為 RTIFS 的新模型。RTIFS 基于新的假設(shè)，認(rèn)為尾實(shí)體的信息來(lái)自于頭實(shí)體和關(guān)系對(duì)象子空間的交互。通過(guò)編碼，將頭實(shí)體和關(guān)系映射到不同的局部子空間，并通過(guò)逐元素乘積提取交互信息，從而生成尾實(shí)體的全局表示。模型在 FB15k-237 和 WN18RR 數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn)，與八個(gè)先進(jìn)模型進(jìn)行對(duì)比，結(jié)果顯示 RTIFS 在保持較低嵌入維度的同時(shí)，性能仍然非常優(yōu)越。

圖1 RTIFS的主要架構(gòu)

結(jié)論:

為了解決當(dāng)前知識(shí)圖譜鏈?zhǔn)筋A(yù)測(cè)任務(wù)中模型的高復(fù)雜度、高嵌入維度和擴(kuò)展性差的問(wèn)題，我們提出了基于多空間映射的 RTIFS（Revised Triple Information Fusion and Simplification） 模型。RTIFS 引入了一種關(guān)于三元組對(duì)象信息空間關(guān)系的新假設(shè)，通過(guò)優(yōu)化計(jì)算效率，在低維嵌入的情況下實(shí)現(xiàn)了與最先進(jìn)模型相當(dāng)?shù)男阅堋?shí)驗(yàn)驗(yàn)證了多空間映射方法的有效性，并為三元組信息的空間關(guān)系提供了新的見(jiàn)解。未來(lái)的研究應(yīng)側(cè)重于解碼器的優(yōu)化、正則化方法以及頭實(shí)體與關(guān)系信息的集成。

作者簡(jiǎn)介:

劉建偉，教師，學(xué)者。發(fā)表學(xué)術(shù)研究論文280多篇。