الرئيسية الأخبار أحدث الأوراق البحثية الدروس مجموعات البيانات الموسوعة SOTA نماذج LLM لوحة الأداء GPU الفعاليات

العربية

Complex Query Answering On Fb15K 237

المقاييس

MRR 1p

MRR 2i

MRR 2p

MRR 2u

MRR 3i

MRR 3p

MRR ip

MRR pi

MRR up

النتائج

نتائج أداء النماذج المختلفة على هذا المعيار القياسي

اسم النموذج	MRR 1p	MRR 2i	MRR 2p	MRR 2u	MRR 3i	MRR 3p	MRR ip	MRR pi	MRR up	Paper Title	Repository
Q2B	0.406	0.295	0.094	0.113	0.423	0.068	0.126	0.212	0.076	Query2box: Reasoning over Knowledge Graphs in Vector Space using Box Embeddings	-
QTO	0.490	0.431	0.214	0.227	0.568	0.212	0.280	0.381	0.214	Answering Complex Logical Queries on Knowledge Graphs via Query Computation Tree Optimization	-
GNN-QE	0.428	0.383	0.147	0.162	0.541	0.118	0.189	0.311	0.134	Neural-Symbolic Models for Logical Queries on Knowledge Graphs	-
BetaE	0.39	0.288	0.109	0.124	0.425	0.1	0.126	0.224	0.097	Beta Embeddings for Multi-Hop Logical Reasoning in Knowledge Graphs	-
GQE	0.35	0.233	0.072	0.082	0.346	0.053	0.107	0.165	0.057	Embedding Logical Queries on Knowledge Graphs	-
CQD	-	-	-	-	0.486	-	-	-	-	Complex Query Answering with Neural Link Predictors	-
CQD-CO	-	-	-	-	-	-	-	-	-	Complex Query Answering with Neural Link Predictors	-
CQD-Beam	-	-	-	-	-	-	-	-	-	Complex Query Answering with Neural Link Predictors	-
CQDA	0.467	0.345	0.136	0.176	0.483	0.114	0.209	0.274	0.114	Adapting Neural Link Predictors for Data-Efficient Complex Query Answering	-

0 of 9 row(s) selected.

Complex Query Answering On Fb15K 237 | SOTA | HyperAI