文件名称：基于TransE的表示学习方法研究综述
文件大小：1.3MB
文件格式：PDF
更新时间：2024-05-20 09:09:18
知识图谱 表示学习 TransE模型
为了及时了解基于TransE的表示学习方法的最新研究进展，通过归纳与整理，将基于TransE的表示学习方法分为基于复杂关系、基于关系路径、基于图像信息以及基于其他方面的方法四种类型。对每一种方法的设计思路、优缺点等进行了详细的分析，同时对基于TransE的表示学习方法的公共数据集与评价指标进行了对比、总结，对各种基于TransE的表示学习算法在实验中的表现进行了对比分析。从研究结果来看，PaSKoGE、NTransGH、TCE、TransD方法在进行链接预测和三元组分类任务上表现效果最好，值得推广和进一步拓展，并可在其特定于路径的嵌入、两层神经网络、三元组上下文、动态构造映射矩阵上进一步完善。