自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(4)
  • 收藏
  • 关注

原创 文献整理(下)-基于图神经网络的实体对齐

提出了一种基于多模态信息聚合的人员实体对齐方法(PEAMA),旨在通过融合人脸图像和语义信息,解决大规模知识图谱中人员实体对齐的问题。本文提出了一种基于关系预测的跨知识图谱实体对齐框架(RpAlign),通过将对齐任务转化为知识图谱补全任务,避免了传统方法中需要额外对齐组件的问题。此外,该方法对知识图谱的结构和关系信息依赖较强,对于关系信息稀疏的知识图谱,其优势可能无法充分发挥。该方法依赖于预对齐的实体对和高质量的人脸图像数据。此外,模型对预对齐实体对的质量要求较高,若预对齐数据稀疏,可能影响对齐效果。

2025-03-04 09:50:57 1383

原创 文献整理(上)-基于图神经网络的实体对齐

知识图谱内注意力层用于学习每个知识图谱的邻域特征,而跨知识图谱注意力层用于收集两个知识图谱之间的对齐信息。通过动态迭代过程,模型能够动态更新跨知识图谱的注意力得分矩阵,从而捕获更多的跨知识图谱信息,增强实体对齐的效果。AECGAT通过上下文对齐增强的交叉图注意力机制在一定程度上解决了跨语言实体对齐中的异构性问题,但在处理复杂关系以及对预对齐种子的依赖性方面仍存在局限性。然而,其高计算复杂度、对预对齐种子的依赖性、对稀疏图谱的适应性有限以及对噪声数据的敏感性等问题,限制了模型在某些场景下的应用。

2025-03-03 18:24:08 1609

原创 解决安装pandas出现ERROR: Could not find a version that satisfies the requirement pandas (from versions: no

终端输入:pip install pandas -i https://pypi.tuna.tsinghua.edu.cn/simple出现如下错误:电脑存在多个python版本,指定版本就好了:

2025-02-17 16:55:40 950

原创 解决安装py2neo时ValueError: check_hostname requires server_hostname

终端输入:py -3.10 -m pip install --index-url https://pypi.tuna.tsinghua.edu.cn/simple/ py2neo后满屏爆红,如下图:

2025-02-17 16:49:02 125

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除