HyperAI超神経

ホームニュース最新論文チュートリアルデータセット百科事典 SOTA LLMモデル GPU ランキング学会

サイトについて

日本語

HyperAI超神経

Complex Query Answering On Fb15K

評価指標

MRR 1p

MRR 2i

MRR 2p

MRR 2u

MRR 3i

MRR 3p

MRR ip

MRR pi

MRR up

評価結果

このベンチマークにおける各モデルのパフォーマンス結果

モデル名	MRR 1p	MRR 2i	MRR 2p	MRR 2u	MRR 3i	MRR 3p	MRR ip	MRR pi	MRR up	Paper Title	Repository
QTO	0.895	0.803	0.674	0.767	0.836	0.588	0.740	0.752	0.613	Answering Complex Logical Queries on Knowledge Graphs via Query Computation Tree Optimization	-
CQD-CO	-	-	-	-	-	-	-	-	-	Complex Query Answering with Neural Link Predictors	-
GNN-QE	0.885	0.797	0.693	0.741	0.835	0.587	0.704	0.699	0.610	Neural-Symbolic Models for Logical Queries on Knowledge Graphs	-
CQDA	0.892	0.761	0.645	0.684	0.794	0.579	0.706	0.701	0.579	Adapting Neural Link Predictors for Data-Efficient Complex Query Answering	-
GQE	0.546	0.397	0.153	0.221	0.514	0.108	0.191	0.276	0.116	Embedding Logical Queries on Knowledge Graphs	-
Q2B	0.68	0.551	0.21	0.351	0.665	0.142	0.261	0.394	0.167	Query2box: Reasoning over Knowledge Graphs in Vector Space using Box Embeddings	-
CQD	0.892	0.771	0.653	0.723	0.806	-	0.716	-	-	Complex Query Answering with Neural Link Predictors	-
CQD-Beam	-	-	-	-	-	-	-	-	-	Complex Query Answering with Neural Link Predictors	-
BetaE	0.651	0.558	0.257	0.401	0.665	0.247	0.281	0.439	0.252	Beta Embeddings for Multi-Hop Logical Reasoning in Knowledge Graphs	-

0 of 9 row(s) selected.