预训练模型中的关系学习：来自超图恢复视角的理论
原文中文，约1300字，阅读约需3分钟。
📝
内容提要
本文综述了预训练图模型的现状，分类现有PGMs，并探讨其在社交推荐和药物研究中的应用，提出未来研究方向。同时介绍了开放式关系建模、知识图谱表征模型及其在对象检测中的应用，强调了图基础模型的自我监督预训练任务及其潜在研究方向。
❓
Q&A
预训练图模型的分类依据是什么？
预训练图模型基于四个不同维度进行分类。
预训练图模型在社交推荐中有哪些应用？
预训练图模型被应用于社交推荐领域，能够提供个性化推荐。
HypER、TuckER和MuRP模型的主要功能是什么？
这三种模型能够自动预测缺失的关系，并在性能上不断进步。
超图投影对高阶关系的影响是什么？
超图投影会导致高阶关系的丢失，并提出了恢复这些关系的组合不可能性。
如何利用关系进行对象检测？
通过提出基于关系先验的特征增强模型（RP-FEM），利用关系先验增强对象建议特征。
图基础模型的自我监督预训练任务有哪些特点？
图基础模型的自我监督预训练任务包括9个知识类别和25个预训练任务，适应多种下游任务。
🏷️
