近日，公司“认知计算与知识工程”科研团队在国际期刊《Information Sciences》上发表了题为《Dynamic hypergraph neural networks based on key hyperedges》的论文。提出了一种对知识图谱网络中关键结构的建模方法。该论文的第一作者为人工智能系的康晓军副教授，通讯作者为人工智能系的董理君副教授。
该论文主要研究知识图谱表示学习中对图谱结构的建模方法。在真实世界中的图谱数据中，数据的结构复杂，存在重要的高阶结构。针对这一问题，论文运用最小点覆盖的思想，捕获图谱中的关键结构，并通过使用高阶结构建模的方法，获取图谱中的关键结构。然后将这种高阶结构融入到传统的图神经网络中，通过学习提高知识图谱中节点的嵌入的质量，进而依据高质量的节点表示动态的调整图谱中的高阶结构。
在现实交通网络中，存在大量的关键节点和关键边缘，如中转站、环形路、城市的主要道路等，这些结构构成了重要的高阶结构，通过该论文提出的方法，能够对这些关键的高阶结构进行高效的建模。因此，该论文解决的问题具有现实意义，并为开放世界知识图谱学习提供了重要的技术参考。
通讯员：孙琨
审核：陈占龙
校对：石剑峰
Copyright© TYC太阳成集团的官方网站|入口 版权所有
