几乎所有早期的知识图谱嵌入的经典方法都是在对每个三元组打分,在实体和关系的表示中并没有完全考虑到整幅图的结构。
早期,图神经网络的方法在知识图谱嵌入中并没有被重视,主要由于:
早期的图神经网络更多是具有同种类型节点和边的同构图,对知识图谱这样的异构图关注较少。
早期的图神经网络复杂度较高,很难扩展到知识图谱这种大规模图上。
随着对图神经网络研究的深入,越来越多的研究者开始使用更具表达力的图神经网络对知识图谱进行建模。
关系图卷积网络
带权重的图卷积编码器
知识图谱与图注意力模型
图神经网络与传统知识图谱嵌入的结合:CompGCN
总结
知识图谱作为一种重要而特殊的图结构,在各个领域有着广泛的应用,知识图谱的表示学习为传统人工智能关注的推理、符号逻辑等提供了新的、高效的方法,而图神经网络在这个领域也起到了越来越关键的作用。
同时,知识图谱的特殊性和复杂性为图神经网络提供了很多新的、待解决的问题,如可解释性、复杂推理、可扩展性、自动构建与动态变化。
解决这些问题,将为我们带来新的技术推动力。
编辑:lyn
全部0条评论
快来发表一下你的评论吧 !