AIGC動態(tài)歡迎閱讀

原標題：兩位本科生一作，首次提出「持續(xù)學習」+「少樣本」知識圖譜補全 | CIKM 2024
關鍵字：模型,關系,知識,圖譜,樣本
文章來源：新智元
內容字數(shù)：0字

內容摘要：

新智元報道編輯：LRST
【新智元導讀】上海大學本科生研發(fā)的新框架能有效應對知識圖譜補全中的災難性遺忘和少樣本學習難題，提升模型在動態(tài)環(huán)境和數(shù)據(jù)稀缺場景下的應用能力。這項研究不僅推動了領域發(fā)展，也為實際應用提供了寶貴參考。知識圖譜（Knowledge Graphs）是一種結構化的，用于展示和管理信息，組織現(xiàn)實世界知識的形式。其通常被表達為三元組形式（）。KGs 為問答系統(tǒng)、推薦系統(tǒng)和搜索引擎等各種實際應用提供了極其重要支持。
然而現(xiàn)有知識圖譜的顯著不完整性嚴重限制了其在實際應用中的有效性。
同時，在現(xiàn)實實際應用中，知識圖譜中的關系呈現(xiàn)長尾分布，即大多數(shù)關系只有少量相關的三元組。這種稀缺導致了模型對于長尾關系的泛化能力不足，從而使得知識圖譜補全模型的整體效果較差 (Few-shot Learning) 。
進一步，隨著時間的推演，越來越多的新關系被添加到關系集中，并在不同時間點集成到知識圖譜中。這意味著模型不僅需要學習當前階段的知識更需要記住在之前階段學習過的知識 (Continual Learning) 。
最近，上海大學的本科生李卓風、張灝翔（第一作者以及共

原文鏈接：兩位本科生一作，首次提出「持續(xù)學習」+「少樣本」知識圖譜補全 | CIKM 2024

聯(lián)系作者

文章來源：新智元
作者微信：
作者簡介：