Antarx' Blog
Antarx is the heart of scorpio.
本篇整理几种常见的知识图谱补全模型的原理以及对应的超参数。
这是一个官方宣称比Argparser更好用的Python命令行开发工具包。
本篇汇总知识图谱补全任务(知识图谱链接预测任务)中的损失函数。因为链接预测任务是一个排序任务,因此loss的选择会影响最后排序的规则。
关注问题:现有的少样本知识图谱补全技术主要针对静态知识图谱,事实上KG中的Fact会根据时间而变化,时序图谱数据面临更严重的数据稀疏问题。本文针对这个问题提出One-Shot场景提出模型。
来源:AAAI 2021
来源:AAAI 2020
代码:GitHub
关注问题:零样本关系的知识图谱补全
出处:ICLR 2021
代码链接:https://github.com/guolinke/TUPE
本文发表于AAAI 2021,关注了知识图谱补全任务的少样本场景问题。
本周读进去的论文有点少,哭。
总结一周阅读的论文。
1 / 4