本研究探讨了知识图谱嵌入（KGE）中的预测多重性问题，并通过引入投票方法解决冲突预测。研究发现不同负采样方法对链接预测效果有较大差异。

知识图谱表示学习（KGRL）和知识图谱嵌入（KGE）在人工智能应用中起重要作用。这篇综述回顾了负采样方法及其对KGRL的贡献，并提出了开放性研究问题，为KGRL环境下设计有效的负采样方法提供了洞察，推动了该领域的发展。

知识图谱表示学习（KGRL）和知识图谱嵌入（KGE）在人工智能应用中起重要作用。本文综述了负采样方法对KGRL的贡献，并分类了不同的负采样方法。同时提出了未来研究的潜在方向。