摘要
1 Balazevic,I.,Allen,C.,Hospedales,T.:Tucker:知识图的张量因子分解。 收录于:EMNLP-IJCNLP,第5185–5194页(2019年) 谷歌学者 2 巴塔利亚,P.W.等人:关系归纳偏见,深度学习和图形网络。 预打印 arXiv:1806.01261号 (2018) 谷歌学者 三。 Bordes,A.、Usunier,N.、Garcia-Duran,A.、Weston,J.、Yakhnenko,O.:为多关系数据建模翻译嵌入。 收录于:NIPS,第2787–2795页(2013年) 谷歌学者 4 Cai,L.,Yan,B.,Mai,G.,Janowicz,K.,Zhu,R.:TransGCN:连接预测的图卷积网络耦合变换假设。 收录于:K-CAP,第131-138页。 ACM(2019年) 谷歌学者 5 Dettmers,T.、Minervini,P.、Stenetorp,P.和Riedel,S.:卷积2D知识图嵌入。 收录于:AAAI,第1811-1818页(2018年) 谷歌学者 6 Guo,S.,Wang,Q.,Wang。 收录于:AAAI,第4816–4823页(2018年) 谷歌学者 7 Hu,W.,et al.:开放图基准:图上机器学习的数据集。 In:NeurIPS(2020) 谷歌学者 8 基于社会计量分析的新地位指数 心理测量学 1953 18 1 39 43 2007年10月10日/BF02289026 谷歌学者 交叉引用 9 Kingma,D.P.,Ba,J.:亚当:随机优化方法。 收录:Bengio,Y.,LeCun,Y.(编辑)ICLR(2015) 谷歌学者 10 Kipf,T.N.,Welling,M.:图卷积网络的半监督分类。 致:ICLR(2017) 谷歌学者 11 Lacroix,T.,Usunier,N.,Obozinski,G.:用于完成知识库的规范张量分解。 在:ICML,第2863–2872页(2018) 谷歌学者 12 Lin,M.,Chen,Q.,Yan,S.:网络中的网络。预印本 arXiv:1312.4400 (2013) 谷歌学者 13 Lin,Y.、Liu,Z.、Sun,M.、Liu、Y.、Zhu,X.:用于知识图完成的学习实体和关系嵌入。 收录于:AAAI,第2181–2187页(2015年) 谷歌学者 14 模糊多级图嵌入 模式识别。 2013 46 2 551 565 2016年10月10日/j.patcog.2012.07.029 谷歌学者 数字图书馆 15 Meilicke,C.,Fink,M.,Wang,Y.,Ruffinelli,D.,Gemulla,R.,Stuckenschmidt,H.:基于规则和嵌入式系统的知识图完成精细评估。 In:ISWC,第3–20页(2018年) 谷歌学者 16 Ristoski,P.,Paulheim,H.:RDF2Vec:数据挖掘的RDF图嵌入。 In:ISWC,第498–514页(2016年) 谷歌学者 17 Sadeghi,A.,Graux,D.,Shariat Yazdi,H.,Lehmann,J.:MDE:知识图中链接预测的多距离嵌入。 In:ECAI(2020) 谷歌学者 18 Sadeghian,A.,Armandpour,M.,Ding,P.,Wang,D.Z.:DRUM:基于知识图的端到端可微规则挖掘。 收录于:NeurIPS,第15321–15331页(2019年) 谷歌学者 19 Schlichtkrull,M.S.,Kipf,T.N.,Bloem,P.,van den Berg,R.,Titov,I.,Welling,M.:用图卷积网络建模关系数据。 In:ESWC(2018) 谷歌学者 20 Sun,Z.,Deng,Z.H.,Nie,J.Y.,Tang,J.:RotatE:通过关系旋转在复杂空间中嵌入知识图。 In:ICLR(2019) 谷歌学者 21 Teru,K.,Denis,E.,Hamilton,W.:通过子图推理进行归纳关系预测。 摘自:ICML,第9448–9457页(2020年) 谷歌学者 22 Toutanova,K.,Chen,D.:知识库和文本推理的观察特征与潜在特征。 收录于:CVSC,第57-66页(2015年) 谷歌学者 23 Trouillon,T.、Welbl,J.、Riedel,S.、Gaussier,E..、。, Bouchard,G.:简单链接预测的复杂嵌入。 摘自:ICML,第2071–2080页(2016年) 谷歌学者 24 Vashishth,S.,Sanyal,S.,Nitin,V.,Talukdar,P.:基于合成的多关系图卷积网络。 在:ICLR(2020) 谷歌学者 25 Vashishth,S.、Sanyal,S.,Nitin,V.、Talukdar,P.P.:基于合成的多关系图卷积网络。 In:ICLR(2020) 谷歌学者 26 Veira,N.,Keng,B.,Padmanabhan,K.,Veneris,A.G.:使用文本关联对知识图进行无监督嵌入增强。 In:IJCAI(2019) 谷歌学者 27 Velickovic,P.、Cucurull,G.、Casanova,A.、Romero,A.、Lió,P.和Bengio,Y.:图形注意力网络。 致:ICLR(2018) 谷歌学者 28 Wang,W.Y.,Cohen,W.W.:通过矩阵分解学习一阶逻辑嵌入。 In:IJCAI,第2132–2138页(2016年) 谷歌学者 29 Wang,Z.,Zhang,J.,Feng,J.、Chen,Z.:通过在超平面上平移来嵌入知识图。 In:AAAI(2014) 谷歌学者 30 Xie,R.,Liu,Z.,Jia,J.,Luan,H.,Sun,M.:具有实体描述的知识图的表示学习。 收录于:AAAI,第2659–2665页(2016年) 谷歌学者 31 Xiong,W.,Hoang,T.,Wang,W.Y.:DeepPath:知识图推理的强化学习方法。 收录于:EMNLP,第564-573页(2017年) 谷歌学者 32 Xu,K.、Li,C.、Tian,Y.、Sonobe,T.、Kawarabayashi,K.和Jegelka,S.:具有跳跃知识网络的图的表示学习。 收录:Dy,J.G.,Krause,A.(编辑)ICML,第5449–5458页(2018年) 谷歌学者 33 Yang,B.,Yih,W.,He,X.,Gao,J.,Deng,L.:在知识库中嵌入学习和推理的实体和关系。 致:ICLR(2015) 谷歌学者 34 Yang,F.,Yang,Z.,Cohen,W.W.:知识库推理逻辑规则的差异学习。 收录于:NeurIPS,第2319-2328页(2017年) 谷歌学者 35 You,J.,Ying,R.,Leskovec,J.:位置软件图形神经网络。 收录于:ICML,第7134–7143页(2019年) 谷歌学者 36 Zhang,S.,Tay,Y.,Yao,L.,Liu,Q.:四元数知识图嵌入。 收录于:NeurIPS,第2731–2741页(2019年) 谷歌学者