HyperAIHyperAI

Command Palette

Search for a command to run...

توكير: تحليل العناصر للإكمال الرسومي للمعرفة

Ivana Balažević Carl Allen Timothy M. Hospedales

الملخص

الرسوم البيانية للمعرفة هي تمثيلات منظمة لحقائق العالم الحقيقي. ومع ذلك، فإنها عادةً ما تحتوي على مجموعة صغيرة فقط من جميع الحقائق الممكنة. تنبؤ الروابط هو مهمة استنتاج الحقائق الناقصة بناءً على الحقائق الموجودة. نقترح نموذج TuckER، وهو نموذج خطي نسبيًا بسيط ولكنه قوي، يستند إلى تحليل تاكر (Tucker) للتمثيل الثنائي لمجموعات ثلاثية الرسم البياني للمعرفة. يتفوق TuckER على النماذج السابقة التي كانت تعتبر الأكثر تقدمًا في مهام تنبؤ الروابط عبر مجموعات البيانات القياسية، مما يجعله نقطة انطلاق قوية لنماذج أكثر تعقيدًا. نوضح أن TuckER هو نموذج ذو تعبير كامل، ونستخرج حدود كافية لأبعاد التضمين الخاصة به، ونثبت أن العديد من النماذج الخطية التي تم تقديمها سابقًا يمكن اعتبارها حالات خاصة من TuckER.


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp