文件名称：CyGNet:从历史中学习
文件大小：20.77MB
文件格式：ZIP
更新时间：2024-05-25 09:51:29
Python
赛网 该存储库复制了pytorch的AAAI'21论文“从历史中学习：使用顺序复制生成网络建模时间知识图”。 抽象的 大型知识图通常会增长以存储时间事实，这些时间事实对实体沿时间轴的动态关系或交互进行建模。 由于此类时间知识图经常遭受不完整的困扰，因此开发有助于感知缺失的时间事实的时间感知表示学习模型非常重要。 虽然时间事实通常在发展，但是可以观察到，许多事实通常在时间轴上显示出重复的模式，例如经济危机和外交活动。 这种观察表明，一个模型可以从历史上出现的已知事实中学到很多东西。 为此，我们基于一种新颖的时间感知拷贝生成机制，为时域知识图提出了一种新的表示学习模型，即CyGNet。 CyGNet不仅能够从整个实体词汇中预测未来的事实，而且能够通过重复识别事实，从而能够参考过去的已知事实来预测此类未来的事实。 我们使用五个基准数据集评估在知识图完成任务上提出的方法。 大量的实验证明了CyG
【文件预览】：
CyGNet-master
----train.py(7KB)
----config.py(898B)
----link_prediction.py(5KB)
----test.py(8KB)
----utils.py(2KB)
----get_historical_vocabulary.py(3KB)
----README.md(4KB)
----__pycache__()
--------utils.cpython-37.pyc(2KB)
--------config.cpython-37.pyc(766B)
--------evolution.cpython-37.pyc(4KB)
--------link_prediction.cpython-37.pyc(4KB)
----evolution.py(6KB)
----cygnet.png(538KB)
----data()
--------ICEWS14()
--------GDELT()
--------YAGO()
--------ICEWS18()
--------WIKI()