NE-GCN: Advancing Knowledge Graph Link Prediction with Node۲vec-Enhanced Graph Convolutional Networks
- سال انتشار: 1402
- محل انتشار: پنجمین کنفرانس بین المللی محاسبات نرم
- کد COI اختصاصی: CSCG05_133
- زبان مقاله: انگلیسی
- تعداد مشاهده: 28
نویسندگان
School of Engineering Science, University of Tehran, Tehran, Iran;
School of Engineering Science, University of Tehran, Tehran, Iran
School of Engineering Science, University of Tehran, Tehran, Iran
چکیده
Knowledge graphs (KGs) play a vital role in enhancing search results and recommendationsystems. With the rapid increase in the size of the KGs, they are becoming inaccuracy andincomplete. This problem can be solved by the knowledge graph completion methods. In this paperwe use a novel method for knowledge graph link prediction named Node۲vec Enhanced GraphConvolutional Network (NE-GCN), for computing pairwise occurrences of entity-relation pairs inthe dataset to construct a joint learning model. Given a knowledge graph, NE-GCN constructs asingle graph considering entities and relations as individual nodes. NE-GCN then computesweights for edges among nodes based on the pairwise occurrence of entities and relations. Next,uses Graph Convolution neural Network (GCN) to update vector representations for entity andrelation nodes. This work opens up new possibilities for graph-based learning models andrepresents a major leap in the field.کلیدواژه ها
Knowledge graph, Linkprediction, Node۲vec, Graphconvolutional networkمقالات مرتبط جدید
- Development the Product Design Process Using Quality Function Deployment and Operational Research
- Numerical Analysis of the Electronic Cooling of a Flat Plate Immersed in the Saturated R۱۳۴a Based on the Pool Boiling Theory
- شناسایی و رتبه بندی عوامل موثر بر عیوب ساختاری میل لنگ خودرو (مطالعه موردی: شرکت صنایع ریخته گری ایران)
- انتخاب استراتژی بهینه نگهداری و تعمیرات با استفاده از مدل های تصمیم گیری چندمعیاره (مطالعه موردی: شرکت فرآورده غذایی بینارزن)
- The Evolving Landscape of Distributed Denial of Service (DDoS) and Denial of Service (DoS) Attacks A Comprehensive Analysis
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.