$\mu\text{KG}$：一个用于多源知识图谱嵌入与应用的开源库
计算与语言
2022-07-29 v2 人工智能
机器学习
摘要
本文介绍 ，一个用于知识图谱表示学习的开源 Python 库。 支持多源知识图谱（以及单一知识图谱）上的联合表示学习、多个深度学习库（PyTorch 和 TensorFlow2）、多种嵌入任务（链接预测、实体对齐、实体类型推断和多源链接预测）以及多种并行计算模式（多进程和多 GPU 计算）。它目前实现了 26 种流行的知识图谱嵌入模型并支持 16 个基准数据集。 以简化的不同任务流水线提供了嵌入技术的高级实现，并附带高质量文档以便于使用。 比现有的知识图谱嵌入库更为全面，有助于对各种嵌入模型和任务进行彻底的比较与分析。我们展示了联合学习的嵌入可极大助力知识驱动的下游任务，如多跳知识图谱问答。我们将持续关注相关领域的最新进展并将其融入 中。
引用
@article{arxiv.2207.11442,
title = {$\mu\text{KG}$: A Library for Multi-source Knowledge Graph Embeddings and Applications},
author = {Xindi Luo and Zequn Sun and Wei Hu},
journal= {arXiv preprint arXiv:2207.11442},
year = {2022}
}
备注
Accepted in the 21th International Semantic Web Conference (ISWC 2022)