基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
总结了不含辅助信息的知识图谱表示学习方法,主要是基于距离和基于语义匹配2类主流方法;研究了包含文本辅助信息和类别辅助信息的知识图谱表示学习方法;通过对比各类表示学习方法的优缺点,发现引入辅助信息能有效表达知识图谱中新实体,但时空开支大幅上升,因而在现阶段,不含辅助信息的方法更易应用于实际场景中.分析了知识图谱嵌入如何应用于三元组分类、链路预测、推荐系统等下游任务,整理归纳了应用于不同任务的数据集和开源库的集合,并展望了大规模、动态知识图谱等具有广泛应用前景的研究方向.
推荐文章
基于知识图谱表示学习的协同过滤推荐算法
协同过滤
知识图谱
表示学习
语义相似性
推荐系统
知识图谱与网络表示学习
知识图谱
网络表示学习
统计关系学习
一种改进的基于TransE知识图谱表示方法
知识图谱
表示学习
TransE模型
链路预测
神经网络
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 人工智能时代知识图谱表示学习方法体系
来源期刊 科技导报 学科
关键词 知识图谱 知识图谱嵌入 表示学习 深度学习
年,卷(期) 2021,(22) 所属期刊栏目 研究论文|Papers
研究方向 页码范围 94-110
页数 17页 分类号
字数 语种 中文
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2021(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
知识图谱
知识图谱嵌入
表示学习
深度学习
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
科技导报
半月刊
1000-7857
11-1421/N
大16开
北京市海淀区学院南路86号
2-872
1980
chi
出版文献量(篇)
11426
总下载数(次)
48
论文1v1指导