基于少樣本學(xué)習(xí)的知識圖譜補(bǔ)全綜述
摘要: 知識圖譜是大數(shù)據(jù)時(shí)代知識工程在人工智能研究領(lǐng)域的典型代表,是自然語言處理應(yīng)用中不可或缺的基礎(chǔ)資源.由于知識圖譜天生不完整,眾多研究者提出了知識圖譜補(bǔ)全(Knowledge Graph Completion, KGC)的方法,以向知識圖譜中添加新的三元組.然而,知識圖譜補(bǔ)全方法常受長尾關(guān)系和新增實(shí)體的限制,缺乏足夠的已知三元組用于訓(xùn)練.因此,少樣本知識圖譜補(bǔ)全(Few-shot ... (共20頁)
開通會員,享受整站包年服務(wù)