KREPE: Generazione di Fatti Generativi per Grafi di Conoscenza Iper-relazionali
Un nuovo articolo di ricerca introduce KREPE, il primo metodo di apprendimento rappresentazionale generativo per grafi di conoscenza iper-relazionali (HKG). A differenza della previsione di link tradizionale che assume un singolo componente mancante, KREPE affronta il compito più realistico della generazione di fatti, dove più o tutti i componenti di un fatto possono essere mancanti. Il metodo utilizza la diffusione discreta mascherata per modellare le distribuzioni di probabilità dei componenti mancanti condizionate dalla struttura locale e globale del grafo. L'articolo è disponibile su arXiv con ID 2605.24064.
Fatti principali
- KREPE è il primo metodo di apprendimento rappresentazionale generativo per HKG.
- Il compito è chiamato generazione di fatti: generare fatti iper-relazionali validi a partire da query arbitrariamente mascherate.
- La previsione di link tradizionale assume che quasi tutte le entità e relazioni siano note.
- KREPE utilizza la diffusione discreta mascherata per modellare i componenti mancanti.
- Il metodo si basa sui componenti locali del fatto e sulla struttura globale degli HKG.
- L'articolo è pubblicato su arXiv con ID 2605.24064.
Entità
Istituzioni
- arXiv