TA-KAND：基于两阶段注意力三元组增强与U-KAN扩散模型的少样本知识图谱补全
人工智能
2026-02-16 v2 机器学习
摘要
知识图谱已成为智能问答和推荐系统等应用的基础设施，因其表达性表示。然而，现实世界知识是异质的，导致关系上呈现显著的长尾分布。此前研究主要基于度量匹配或元学习。然而，它们往往忽略了正负三元组样本的分布特征。在本文中，我们提出了一种少样本知识图谱补全框架，集成了两阶段注意力三元组增强器与基于U-KAN的扩散模型。在两个公开数据集上的广泛实验表明了我们方法的显著优势。
引用
@article{arxiv.2512.12182,
title = {TA-KAND: Two-stage Attention Triple Enhancement and U-KAN based Diffusion For Few-shot Knowledge Graph Completion},
author = {Xinyu Gao},
journal= {arXiv preprint arXiv:2512.12182},
year = {2026}
}
备注
Work in progress