返回
FuST-KGC: Fusing sub-graph structures and textual semantics for knowledge graph completion
DOI:10.1016/j.neucom.2026.132690.png)
摘要
En 中文
• 我们提出FuST-KGC,一种融合子图结构和文本语义的知识图谱补全新方法。
• 我们引入一种动态的、度引导的采样策略,用于构建信息丰富的局部子图,有效捕获关键推理路径。
• FuST-KGC将多跳子图拓扑线性化为文本序列,使单一预训练语言模型能够融合结构上下文与细粒度语义。
• FuST-KGC解决了现有模型简化图结构或使用复杂独立编码器的局限性,提升了推理准确性和语义-结构整合性。
期刊
IF:
6.5
论文数:
2.5W
被引数:
6.5W
机构
引用论文
KEPLER: A Unified Model for Knowledge Embedding and Pre-trained Language Representation开普勒: 知识嵌入和预训练语言表示的统一模型
Graph attention network with dynamic representation of relations for knowledge graph completion具有动态关系表示的图注意网络用于知识图补全

