arrow
返回

EXP-GNN: Towards expressive propagation function design for graph neural network-based knowledge graph completion

delete2025-10-14
delete0
PRE
AI
宋
宋晓 (Xiao Song)
S
Songsong Liu *
李
李勇 (Yong Li)
DOI:10.1016/j.eswa.2025.129957delete
delete原文链接
delete原文求助
delete分享
delete收藏
摘要

摘要

En 中文
• GNNs的注入性原理适用于单关系和多关系图。 • 现有表达性GNN传播函数可以直接扩展到KGC任务中。 • 更具表达力的GNN必然会产生更具表达力的基于GNN的KGC模型。 • 注入性和强邻居特征提取能力本质上是一致的。

期刊

Expert Systems with Applications 封面图
Expert Systems with Applications
IF:
7.5
论文数:
3.0W
被引数:
10.2W

机构

暂无机构信息
引用论文

引用论文

err分享
err收藏
A knowledge graph completion model based on triple level interaction and contrastive learning
err2024-12-01
err1
PREAI
errHu, Jie; Yang, Hongqun; Teng, Fei; Du, Shengdong; Li, Tianrui
err分享
err收藏
Message Passing for Hyper-Relational Knowledge Graphs
err2020-01-01
err0
errOAAI
errMikhail Galkin; Priyansh Trivedi; Gaurav Maheshwari; Ricardo Usbeck; Jens Lehmann
err分享
err收藏
学者 查看更多内容