「AI Drive」是由 PaperWeekly 和 biendata 共同發起的學術直播間，旨在幫助更多的青年學者宣傳其最新科研成果。我們一直認為，單向地輸出知識并不是一個最好的方式，而有效地反饋和交流可能會讓知識的傳播更加有意義，從而產生更大的價值。

本期 AI Drive，我們邀請到北京大學博士生楊寒?，為大家在線解讀其發表在 CIKM 2021?的最新研究成果：Knowledge Graph Representation Learning as Groupoid: Unifying TransE, RotatE, QuatE, ComplEx。對本期主題感興趣的小伙伴，11?月 2?日（本周二）晚 7 點，我們準時相約 PaperWeekly 直播間。

直播信息

本文主要從廣群的角度對常見的知識圖譜表示學習模型進行了統一表示。在此基礎上，本文利用廣群的同構對常見模型之間的內在聯系進行了分析，給出了常見模型間的相互轉換方法，提高了模型的可解釋性。此外，本文還將常見模型的連續群推廣到離散低階離散群，拓寬了模型廣群表示的可選擇范圍，從而提出了一種基于知識圖譜結構自適應的表示學習框架。實驗證明了本文的模型有效性。

論文標題：

Knowledge Graph Representation Learning as Groupoid: Unifying TransE, RotatE, QuatE, ComplEx

論文鏈接：

https://disk.pku.edu.cn/#/link/6B9685322D6BF174134678532234DAB5

本次分享的具體內容有：?

• 知識圖譜表示學習模型現狀

• 知識圖譜表示學習模型三個組成部分

• 知識圖譜表示學習的構成條件

• 常見模型的廣群表示

• 常見模型間的同構

• 通用的表示框架以及當前模型的存在的問題

• 低價離散群到代數廣群

• 常見模型間的轉換方法

• 實驗與結果

嘉賓介紹

?楊寒?/ 北京大學博士生?

楊寒，北京大學博士生，主要研究知識圖譜表示學習和多模態知識圖譜。在 MM，CIKM 等 CCF A、CCF B 會議上發表多篇論文。

直播地址?& 交流群

本次直播將在 PaperWeekly 視頻號和 B 站直播間進行，掃描下方海報二維碼或點擊閱讀原文即可免費觀看。線上分享結束后，嘉賓還將在直播交流群內實時 QA，在 PaperWeekly 微信公眾號后臺回復「AI Drive」，即可獲取入群通道。

視頻號直播間：

掃描下方二維碼關注 PaperWeekly 視頻號，第一時間獲取開播提醒。

B 站直播間：

https://live.bilibili.com/14884511

合作伙伴

🔍

現在，在「知乎」也能找到我們了

進入知乎首頁搜索「PaperWeekly」

點擊「關注」訂閱我們的專欄吧

·

總結

以上是生活随笔為你收集整理的直播 | CIKM 2021论文解读：基于广群的知识图谱表示学习统一模型框架的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。