.png){kind=icon}
返回
An explainable path reasoning framework for knowledge graph completion
.png){kind=icon}
OA
AI
DOI：10.1016/j.aej.2025.12.024.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 提出一种可解释路径推理（EPR）框架用于知识图谱补全。
• 协同统计路径挖掘与统一的BERT基语义推理器。
• 单一架构联合生成预测和忠实多跳解释。
• 在可解释模型中取得有竞争力的结果，缩小性能差距。
• 证明简洁路径（2-3跳）足以实现鲁棒推理。
Keyword:
Deep learning
Knowledge graph completion
Representation learning
Explainable AI
Semantic communication
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
6.8
论文数:
6.3K
被引数:
2.6W
机构
查看更多机构
引用论文
Relphormer: Relational Graph Transformer for Knowledge Graph RepresentationsRelphormer: 用于知识图表示的关系图转换器.png)
NEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏分享收藏Improving Knowledge Graph Completion with Structure-Aware Supervised Contrastive Learning基于结构感知监督对比学习改进知识图谱补全
PREAI
分享收藏 没有更多内容