大鸡巴插逼,无码在线播放观看,波多野在线视频,日本黄色电影视频网址,成人先锋AV,91蝌蚪91 九色白浆,成人毛片18女人毛片免费96 ,操逼动漫视频

【W(wǎng)WW2021】高效的非抽樣知識(shí)圖譜嵌入

共 679字，需瀏覽 2分鐘

2021-05-09 18:55

來(lái)源：專知

本文附論文，建議閱讀5分鐘
NS-KGE的基本思想是在模型學(xué)習(xí)中考慮KG中的所有負(fù)面實(shí)例，從而避免負(fù)面抽樣。

知識(shí)圖譜(KG)是一種靈活的結(jié)構(gòu)，能夠描述數(shù)據(jù)實(shí)體之間的復(fù)雜關(guān)系。目前，大多數(shù)KG嵌入模型都是基于負(fù)采樣進(jìn)行訓(xùn)練的，即模型的目標(biāo)是最大限度地增加KG內(nèi)被連接實(shí)體的某些相似度，同時(shí)最小化被采樣的斷開(kāi)實(shí)體的相似度。負(fù)抽樣通過(guò)只考慮負(fù)實(shí)例的子集，降低了模型學(xué)習(xí)的時(shí)間復(fù)雜度，這可能會(huì)由于抽樣過(guò)程的不確定性而無(wú)法提供穩(wěn)定的模型性能。為了避免這一缺陷，我們提出了一種新的KG嵌入高效非采樣知識(shí)圖譜嵌入框架(NS-KGE)。其基本思想是在模型學(xué)習(xí)中考慮KG中的所有負(fù)面實(shí)例，從而避免負(fù)面抽樣。框架可應(yīng)用于基于平方損失的知識(shí)圖譜嵌入模型或其損失可轉(zhuǎn)換為平方損失的模型。這種非抽樣策略的一個(gè)自然副作用是增加了模型學(xué)習(xí)的計(jì)算復(fù)雜度。為了解決這一問(wèn)題，我們利用數(shù)學(xué)推導(dǎo)來(lái)降低非采樣損失函數(shù)的復(fù)雜度，最終為我們提供了比現(xiàn)有模型更好的KG嵌入效率和精度。在基準(zhǔn)數(shù)據(jù)集上的實(shí)驗(yàn)表明，NS-KGE框架在效率和準(zhǔn)確率方面均優(yōu)于傳統(tǒng)的基于負(fù)采樣的模型，該框架適用于大規(guī)模知識(shí)圖譜嵌入模型。

鏈接：

https://www.zhuanzhi.ai/paper/a63903c464665db631cd3167d395a238

編輯：文婧

點(diǎn)贊

評(píng)論

舉報(bào)