基于关系图神经网络的不确定性感知的少样本知识图谱补全

BriefGPT - AI 论文速递 ·

本文提出了一个使用全局-局部框架的少样本关系学习方法，通过引入门控和注意力邻居聚合器来集成语义信息。在局部阶段中，使用基于元学习的TransH方法来模拟和推断复杂的关系。实验证明该模型在NELL-One和Wiki-One数据集上表现更好，具有更好的5-shot FKGC性能。

5-shot FKGC性能 NELL-One TransH方法 Wiki-One 元学习全局-局部框架少样本关系学习注意力邻居聚合器神经网络门控

原文中文，约200字，阅读约需1分钟。