MyGO：离散模态信息作为细粒度标记用于多模态知识图谱补全

原文约300字，阅读约需1分钟。发表于：。

介绍了一种名为 MyGO 的新框架，用于处理、融合和增强多模态知识图中的细粒度数据，并通过对实体的对比学习来突出表示的特异性，实验证明该方法在标准多模态知识图完成基准测试中的性能优于最新模型中的 20 个以上。

这篇综述审查了知识图谱相关研究，重点关注了KG驱动的多模式学习和多模式知识图谱。讨论了构建进展、任务和挑战，并提出了新兴趋势。旨在为研究人员提供参考和支持。