面向關(guān)系特性建模的知識圖譜表示學習研究綜述

摘要： 知識圖譜表示學習技術(shù)可以將符號化的知識圖譜轉(zhuǎn)換為實體和關(guān)系的數(shù)值化表示，進而有效結(jié)合各類深度學習模型以賦能知識增強的下游應用。相較于實體，關(guān)系充分體現(xiàn)了知識圖譜中的語義信息，建模關(guān)系的各類特性對知識圖譜表示學習的性能非常關(guān)鍵。首先，針對一對一、一對多、多對一和多對多的復雜映射特性，梳理基于關(guān)系感知映射的模型、基于特定表示空間的模型、基于張量分解的模型和基于神經(jīng)網(wǎng)絡(luò)的模型；接著，...