کنفرانس بین المللی محاسبات نرم

صفحه اصلی / پنجمین کنفرانس بین المللی محاسبات نرم

NE-GCN: Advancing Knowledge Graph Link Prediction with Node2vec-Enhanced Graph Convolutional Networks

نویسندگان :

Mohammadreza Ghaffariannia¹ Rooholah Abedian² Ali Moeini³

1- دانشکده فنی دانشگاه تهران 2- دانشکده فنی دانشگاه تهران 3- دانشکده فنی دانشگاه تهران

کلمات کلیدی :

Knowledge graph،Link prediction،Node2vec،convolutional network

چکیده :

Knowledge graphs (KGs) play a vital role in enhancing search results and recommendation systems. With the rapid increase in the size of the KGs, they are becoming inaccuracy and incomplete. This problem can be solved by the knowledge graph completion methods. In this paper we use a novel method for knowledge graph link prediction named Node2vec Enhanced Graph Convolutional Network (NE-GCN), for computing pairwise occurrences of entity-relation pairs in the dataset to construct a joint learning model. Given a knowledge graph, NE-GCN constructs a single graph considering entities and relations as individual nodes. NE-GCN then computes weights 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 and relation nodes. This work opens up

لیست مقالات

لیست مقالات بایگانی شده

مدل پیش‌بینی برای تشخیص کووید19 با استفاده از آزمایشات روتین خون مبتنی بر مدل مخفی مارکوف و منطق فازی

امیرحسین رمضانی - مرضیه فریدی ماسوله - احمد باقری

Extended filters in BL-algebras

Fereshteh Forouzesh

زمان بندی شیفت کاری پرستاران چند مهارته با رویکرد بهره وری نیروی انسانی (مطالعه موردی: بیمارستان قائم رشت)

حمزه امین طهماسبی - صابر ابراهیمی شیخانی

Human Authentication Using Brain Signals During Motor Imagery and Different Time Intervals

Amir Fallah Ramezannezhad - Kamrad Khoshhal Roudposhti - Mohsen Falah Rad

ارزیابی و رتبه‌بندی عوامل کلیدی موفقیت در توسعه انقلاب صنعتی چهارم

مهدی اجلی

حل معادلات دیفرانسیل نایقین به روش‌های عددی

آرام معتمدی - بهروز فتحی واجارگاه

توپولوژی استون روی مشبکه‌های مانده دار

فاطمه ایزدی - سعید رسولی - فرهاد خاکسارجقانی

Can Google Trends Data Predict Next Covid-19 Peak? A Machine Learning Approach

Maryam Seifaddini - Amir Habibdoust

کشف ارتباط اسنیپ-بیماری در داده های ژنوم سراسری

فریبا اسمعیلی - زهرا نریمانی - مهدی وثیقی

برخی از مسایل پیش روی سیستم‌های خاکستری در محاسبات نرم

داود درویشی سلوکلایی - فرید پورافقی

بیشتر

ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 42.0.2