KGPFN: Modello Fondazionale di Grafi di Conoscenza con Apprendimento Contestuale

I ricercatori hanno introdotto KGPFN, un modello fondazionale per grafi di conoscenza (KG) che combina l'apprendimento contestuale con pattern relazionali trasferibili. A differenza degli approcci tradizionali che enfatizzano l'universalità a livello di relazione, KGPFN utilizza sia il contesto immediato che circonda le entità della query sia un contesto più ampio che riassume il comportamento relazionale attraverso varie istanze. Impiega una Rete Adattata ai Dati Precedenti per integrare questi elementi, inizialmente apprendendo rappresentazioni delle relazioni tramite passaggio di messaggi su grafi di relazioni per catturare invarianze tra grafi, seguito dalla codifica dei vicinati locali per il ragionamento specifico della query. Questo metodo affronta l'importanza spesso trascurata dell'apprendimento contestuale nel ragionamento su KG, con l'obiettivo di generalizzare attraverso grafi contenenti entità e relazioni mai viste prima.