参考文献
单峰KGE模型。
Balažević, 等人 (2019) TuckER: 用于知识图谱补全的张量分解. EMNLP’19
Bordes, A., 等人 (2011). 学习知识库的结构化嵌入. AAAI. 第6卷. 第1期.
Bordes, A., 等 (2013). Translating embeddings for modeling multi-relational data. NIPS.
Bordes, A., 等人 (2014). 用于多关系数据学习的语义匹配能量函数. 机器学习
Dettmers, T., 等人 (2018) Convolutional 2d knowledge graph embeddings. 第三十二届AAAI人工智能会议。
董, X., 等. (2014) 知识库：一种网络规模的概率知识融合方法. ACM.
Ebisu, T., 等人 (2018) https://www.aaai.org/ocs/index.php/AAAI/AAAI18/paper/view/16227. AAAI’18.
Feng, J. 等 (2016) 知识图谱嵌入的灵活翻译. KR’16.
Ji, G., 等 (2015). 通过动态映射矩阵的知识图谱嵌入. ACL.
Kazemi, S.M. 和 Poole, D. (2018). SimplE Embedding for Link Prediction in Knowledge Graphs. NIPS’18
Shizhu, H., 等 (2017). 使用高斯嵌入表示知识图谱的学习. CIKM’17.
Lin, Y., 等 (2015). 学习实体和关系嵌入以完成知识图谱. AAAI. 卷 15.
Nguyen, D. Q., 等 (2018) 一种基于卷积神经网络的知识库补全新嵌入模型. NAACL-HLT 2018
Nickel, M., 等. (2011) 多关系数据集体学习的三向模型. ICML. 第11卷.
Nickel, M. 等. (2016) 知识图谱的全息嵌入. AAAI 2016.
Schlichtkrull, M., 等人 (2018) 使用图卷积网络建模关系数据. ESWC’18.
Sharifzadeh 等人 (2019) 在PyKEEN中扩展了ERMLP。
Shi, B., 和 Weninger, T. ProjE: 知识图谱补全的嵌入投影, AAAI 2017
孙, Z., 等. (2019) RotatE: 复杂空间中通过关系旋转的知识图谱嵌入. ICLR 2019.
Trouillon, T., 等. (2016) 用于简单链接预测的复杂嵌入. 国际机器学习会议. 2016.
王, Z., 等. (2014). 通过超平面平移的知识图谱嵌入. AAAI. 卷. 14.
杨, B., 等. (2014). 知识库中嵌入实体和关系以进行学习和推理. CoRR, abs/1412.6575.
Socher, R., 等. (2013) 使用神经张量网络进行知识库补全的推理.. NIPS. 2013.
Shi, X. 等 (2019). Modeling Multi-mapping Relations for Precise Cross-lingual Entity Alignment. EMNLP-IJCNLP 2019.
Vashishth, S., 等 (2020). 基于组合的多关系图卷积网络. arXiv, 1–15.
张帅，等人 (2019). 四元数知识图谱嵌入 NeurIPS’19.
张, W., 等. (2019). 知识图谱中的预测和解释的交互嵌入
Abboud, R., 等人 (2020). BoxE: 一种用于知识库补全的盒子嵌入模型. 神经信息处理系统进展, 2020-12月(NeurIPS), 1–13.
Galkin, M., 等. (2021) NodePiece: 大型知识图谱的组合和参数高效表示. arXiv, 2106.12144.
Zaheer, M., 等 (2017). 深度集合. 神经信息处理系统进展, 2017-12月(ii), 3392–3402.
Lacroix, T., Usunier, N., & Obozinski, G. (2018). 用于知识库补全的规范张量分解. arXiv, 1806.07297.
Hitchcock, F. L. 张量或多重积的表达式. 应用数学研究, 6 (1-4):164–189, 1927.
多模态知识图谱嵌入模型。
Kristiadi, A.., 等人 (2018) 将字面量融入知识图谱嵌入.. arXiv, 1802.00934.
阿里, M., 等人 (2020). 将光明带入黑暗：在统一框架下对知识图谱嵌入模型的大规模评估. arXiv, 2006.13365.
Safavi, T. & Koutra, D. (2020). CoDEx: 一个全面的知识图谱补全基准. arXiv, 2009.07810.
Shi, B., & Weninger, T. (2017). 开放世界知识图谱补全. arXiv, 1957–1964.
桑托斯，A.，等 (2020). 临床知识图谱将蛋白质组学数据整合到临床决策中. bioRxiv, 2020.05.09.084897.
Robyn Speer, Joshua Chin, 和 Catherine Havasi. (2017) ConceptNet 5.5: 一个开放的多语言通用知识图谱. 在AAAI 31的会议论文中.
Breit, A., 等 (2020). OpenBioLink: 一个用于大规模生物医学链接预测的基准框架, 生物信息学
Ilievski, F., Szekely, P., & Zhang, B. (2020). CSKG: 常识知识图谱. arxiv, 2012.11490.
Himmelstein, D. S., 等 (2017). 系统整合生物医学知识优先考虑药物再利用. ELife, 6.
徐, L (2019) 基于网络的药物重定位中学习特征与工程特征的比较. 硕士论文.
Santurkar, S., 等人. (2018). 批量归一化如何帮助优化？. 神经信息处理系统进展.
Chao, L., He, J., Wang, T., & Chu, W. (2020). PairRE: 通过配对关系向量的知识图谱嵌入.
Ding, B., Wang, Q., Wang, B., & Guo, L. (2018). 使用简单约束改进知识图谱嵌入.
Balažević, I., Allen, C., & Hospedales, T. (2019). 多关系Poincaré图嵌入.
Fuhr, N. (2018). 信息检索评估中的一些常见错误及如何避免. SIGIR论坛, 51(3), 32–41.
Sakai, T. (2021). 关于Fuhr的信息检索评估指南. SIGIR论坛, 54(1), 1-8.
Galkin, M., 等人 (2020). 超关系知识图谱的消息传递. 2020年自然语言处理经验方法会议论文集 (EMNLP), 7346–7359.
王, X., 等 (2019). KEPLER: 知识嵌入和预训练语言表示的统一模型. arXiv, 1911.06136.
孙, Z., 等. (2018). 使用知识图谱嵌入进行实体对齐的引导. 第27届国际人工智能联合会议论文集, 4396–4402.
Lin, T.-Y., 等. (2017). Focal Loss for Dense Object Detection. IEEE 模式分析与机器智能汇刊, 42(2), 318–327.
Mukhoti, J., 等人. (2020). 使用焦点损失校准深度神经网络.
沃尔什，B.，等。（2020）。BioKG：用于生物数据关系学习的知识图谱。第29届ACM国际信息与知识管理会议论文集，3173–3180。
Nickel, M., 等. (2016). 知识图谱关系机器学习综述. IEEE会议录, 104(1), 11–33.
Ruffinelli, D., Broscheit, S., & Gemulla, R. (2020). 你可以教老狗新把戏！关于训练知识图谱嵌入. 国际学习表示会议.
张, H., 等. (2017). 视觉翻译嵌入网络用于视觉关系检测. arXiv, 1702.08319.
Sharifzadeh, S., 等. (2019). 使用深度图改进视觉关系检测. arXiv, 1905.00966.
Gal, Y., & Ghahramani, Z. (2016). Dropout作为贝叶斯近似：在深度学习中表示模型不确定性. ICML 2016.
张, Y., 等. (2020). AutoSF: 搜索知识图谱嵌入的评分函数. ICDE 2020, 433–444.
塔克，莱迪亚德·R.（1966）。关于三模式因子分析的一些数学笔记。心理测量学第31卷，279–311。
Ali, M., 等人 (2021). 使用超关系事实改进归纳链接预测. ISWC 2021
Teru, K., 等人 (2020). 通过子图推理进行归纳关系预测. ICML 2020
郑, S., 等 (2020). PharmKG: 一个专门用于生物医学数据挖掘的知识图谱基准. Briefings in Bioinformatics 2020
Berrendorf, M., 等 (2020). 关于基于排名的实体对齐或链接预测方法评估的模糊性.
Yu, L., 等 (2021). TripleRE: 通过三元关系向量的知识图谱嵌入. viXra, 2112.0095.
Hoyt, C.T., 等 (2022) 知识图谱中链接预测的基于排名的评估指标的统一框架. arXiv, 2203.07544.
Chandak, P., 等 (2022). 构建知识图谱以实现精准医疗. bioRxiv, 2022.05.01.489928.
王, L., 等 (2022). SimKGC: 使用预训练语言模型进行简单对比知识图谱补全. arXiv, 2203.02167.
Thanapalasingam, T., 等人 (2021). 关系图卷积网络： 更深入的观察. arXiv, 2107.10015.
Y. Peng 和 J. Zhang (2020) LineaRE: 简单但强大的知识图谱嵌入用于链接预测, 2020 IEEE 国际数据挖掘会议 (ICDM), 第422-431页, doi: 10.1109/ICDM50108.2020.00051.
Königs, C., 等 (2022) 异质药理学医学生化网络 PharMeBINet, 科学数据, 9, 393.