标签
提出了KMAS，一种自适应负采样方法，用于改进知识图谱基础模型的训练，在44个数据集上取得了最先进的结果。
本文提出了一种面向符号图神经网络的模块化时间增强框架，通过历史上下文集成模块（HCIM）结合LSTM和多头时间注意力机制整合历史上下文，在真实世界的时间符号网络上进行动态链接预测时取得了持续改进。
本文为超关系知识图谱提出了一项新任务——事实生成，并提出了KREPE，一种基于掩码离散扩散的生成式表示学习方法，该方法统一了链接预测与事实生成，达到了最先进的性能。
本文将实例判别自监督学习应用于图中的链接预测，提出了基于链接表示的新模型L-GRACE和L-BGRL，这些模型在无属性图上尤其能提升性能。