• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>3rd workshop on representation learning for NLP 2018 >Knowledge Graph Embedding with Numeric Attributes of Entities
【24h】

Knowledge Graph Embedding with Numeric Attributes of Entities

机译：具有实体数值属性的知识图嵌入

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Knowledge Graph (KG) embedding projects entities and relations into low dimensional vector space, which has been successfully applied in KG completion task. The previous embedding approaches only model entities and their relations, ignoring a large number of entities' numeric attributes in KGs. In this paper, we propose a new KG embedding model which jointly model entity relations and numeric attributes. Our approach combines an attribute embedding model with a translation-based structure embedding model, which learns the embeddings of entities, relations, and attributes simultaneously. Experiments of link prediction on YAGO and Freebase show that the performance is effectively improved by adding entities' numeric attributes in the embedding model.
机译：知识图（KG）将项目和关系嵌入到低维向量空间中，已成功应用于KG完成任务中。之前的嵌入方法仅对实体及其关系建模，而忽略了KG中大量实体的数字属性。在本文中，我们提出了一种新的KG嵌入模型，该模型可以联合建模实体关系和数值属性。我们的方法将属性嵌入模型与基于翻译的结构嵌入模型结合在一起，该模型同时学习实体，关系和属性的嵌入。在YAGO和Freebase上进行链接预测的实验表明，通过在嵌入模型中添加实体的数字属性，可以有效地提高性能。

著录项

  • 来源
  • 会议地点 Melbourne(AU)
  • 作者

    Yanrong Wu; Zhichun Wang;

  • 作者单位

    College of Information Science and Technology Beijing Normal University, Beijing 100875, PR. China;

    College of Information Science and Technology Beijing Normal University, Beijing 100875, PR. China;

  • 会议组织
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类
  • 关键词

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号