KGN：用知识图谱三元组重建嵌入邻域图
热点事件观察中
KGN：用知识图谱三元组重建嵌入邻域图
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Chang Won Kim 提出知识引导邻域图构建方法 KGN：把每个实例的知识图谱三元组作为语义证据，用来调整嵌入距离并重建 top-k 邻域图，且不使用类标签。在八种文本与图像数据集-编码器条件下，KGN 的最大 NMI 与 LT_2D 均超过对应的 kNN 基线，最大提升分别达 0.68 和 1.35；基线分数较低的编码器条件下提升更大。 配套的 IDProfile（IDP）分析显示，最大降幅集中在 Placement Issue 候选上，残余不匹配不应自动视为投影失败。
AI 根据报道生成 · 6 小时前更新
最新进展11月5日 07:54
KG-Neighbor：知识引导的邻域构建用于嵌入可视化报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- arXiv · cs.AIKG-Neighbor：知识引导的邻域构建用于嵌入可视化
研究者提出 Knowledge-Guided Neighborhood Graph Construction（KGN），用知识图谱三元组的共享程度作为语义证据调整嵌入距离并重建 top-k 邻域图，且不使用类标签。在八种文本与图像数据集-编码器条件下，最大 NMI 与 LT_2D 均超过对应 kNN 基线，最大提升分别达 0.68 和 1.35，基线分数较低的编码器条件下提升更大。配套的 IDProfile（IDP）分析显示，最大降幅集中在 Placement Issue 候选上，残余不匹配不应自动视为投影失败。
本事件热度走势
- 可比范围当前
- 4
- 可比范围峰值
- 511月6日 11:00
- 近 24 小时变化
- –
0246
11:0012:0013:0014:0015:0016:0017:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。