knowledge-graph-embedding

本文提出了PogRE方法，通过使用密集线性变换来解决知识图谱嵌入中的模式过度泛化问题，从而在标准基准数据集上提升链接预测性能。

FlowNeg是一种基于GFlowNet的方法，用于知识图谱嵌入中的多样困难负采样，通过生成上下文条件化的负样本来平衡硬度和多样性，而不将结构相似性视为绝对真理，从而提升性能。

TeRoR提出了一种新颖的时序知识图谱嵌入方法，该方法通过独立的旋转变换解耦实体时序演化，并利用关系圆形区域建模多种关系映射属性，在四个数据集上取得了具有竞争力的性能。