本研究提出了一种统一的层次表示学习框架（UniHR），解决了现有链接预测模型仅适用于特定事实类型的问题，显著提升了知识图谱的通用性。实验结果表明，该框架在多个数据集上优于现有基准。

本研究提出了一种层次表示学习框架（HRLF），有效解决多模态情感分析中的模态缺失问题，通过细粒度表示因子分解和层次互信息最大化机制，显著提升情感分析性能。