图机器学习讲述关于《知识图谱嵌入》最新课程。
近年来,知识图谱(KG)的构建和应用得到了快速的发展。大量的KGs,如Freebase、DBpedia、YAGO和NELL,已经被创建并成功地应用于许多实际应用中,从语义解析和命名实体消歧到信息提取和问答。KG是由实体(节点)和关系(不同类型的边)组成的多关系图。每条边都表示为形式(头实体、关系、尾实体)的三个部分,也称为事实,表示两个实体通过特定的关系连接在一起,例如(AlfredHitchcock, DirectorOf, Psycho)。虽然在表示结构化数据方面很有效,但是这类三元组的底层符号特性通常使KGs很难操作。
为了解决这个问题,提出了一种新的研究方向——知识图谱嵌入。关键思想是嵌入KG的组件,包括将实体和关系转化为连续的向量空间,从而简化操作,同时保留KG的原有的结构。那些实体和关系嵌入能进一步应用于各种任务中,如KG补全、关系提取、实体分类和实体解析。
斯坦福CS224W《图机器学习》2021课程开始了!Jure Leskovec大牛主讲,附课程PPT下载
专知便捷查看
便捷下载,请关注专知公众号(点击上方蓝色专知关注)
后台回复“K71” 可以获取《【斯坦福CS224W】知识图谱嵌入,71页ppt》专知下载链接索引