本研究提出了一种统一的层次表示学习框架（UniHR），用于知识图谱的链接预测。该方法通过层次数据表示和学习模块，提升了模型对不同类型知识图谱的适应性，实验结果表明其在多个数据集上优于现有模型。

本研究提出了一种层次表示学习框架（HRLF），旨在解决多模态情感分析中的模态缺失问题。该框架通过细粒度表示因子分解和层次互信息最大化机制，有效提取和重构情感信息，显著提高了模态缺失情况下的情感分析性能。