.png){kind=icon}
返回
MCCI: A multi-channel collaborative interaction framework for multimodal knowledge graph completion
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ipm.2025.104156.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多模态知识图谱补全（MKGC）旨在利用多模态信息来预测缺失的事实三元组。然而，现有的MKGC方法在很大程度上忽略了模态细节之间的异质性和交互复杂性，导致模内和模间表达失衡。为解决上述挑战，我们提出了一种新颖的多通道协同交互（MCCI）框架用于MKGC，该框架由特征编码、双流对齐和决策融合模块组成。具体而言，在编码阶段，采用基于信息过滤和视觉增强的方法来捕捉高质量的多模态特征。此外，双流对齐模块扩展了不同模态之间的潜在相关性，从而促进信息的交互频率。在融合阶段，动态分配模态权重并生成预测结果。实验结果表明，与当前最优方法相比，所提出的MCCI框架在Hits@10和MR指标上分别提升了5.7%和19.8%。
Keyword:
Knowledge graph completion
Multimodal knowledge graph
Knowledge alignment
Decision fusion
期刊
I
IF:
6.9
论文数:
5.2K
被引数:
1.4W
机构
引用论文
.png){kind=icon}
Explainable Knowledge reasoning via thought chains for knowledge-based visual question answering基于思维链的可解释知识推理，用于基于知识的视觉问答
PREAI
分享收藏Hyper-node Relational Graph Attention Network for Multi-modal Knowledge Graph Completion用于多模态知识图谱补全的超节点关系图注意力网络
PREAI
分享收藏Toward Subgraph-Guided Knowledge Graph Question Generation With Graph Neural Networks用图神经网络实现子图引导的知识图谱问题生成
OAAI
OAAI分享收藏ESGNet: A multimodal network model incorporating entity semantic graphs for information extraction from Chinese resumesESGNet: 结合实体语义图的多模态网络模型，用于从中文简历中提取信息
PREAI
分享收藏RelaGraph: Improving embedding on small-scale sparse knowledge graphs by neighborhood relations
PREAI
分享收藏分享收藏
查看更多内容