搞因果推理在基础上加因果图。之前主要是做结构化检索，但能理解为什么这种深层关系。具体做法是先构建因果图，然后在检索时不仅考虑相似度，还考虑因果链条。重点解决多跳推理和反事实查询这类问题。数据集主要用和，模型架构基于LLaMA-3配合 算法。 KG的动态嵌入新玩法时间知识图谱今年不再用静态嵌入了，而是用连续时间动态嵌入。简单说就是让和的表示随时间连续变化，而不是按时间步离散更新。核心模型叫TKG-，基于神经ODE来建模时间演化过程。在ICEWS和GDELT数据集上效果挺不错的，比传统方法准确率高了15个点左右。多模态知识图谱的视觉推理这个方向感觉很有前景。现在不仅是文本+图像的简单组合，而是做真正的视觉推理。技术实现是把 和Graph 结合，叫做VKG-Net。能处理图像中的空间关系、时序关系等复杂逻辑。主要数据集用 和，在视觉问答任务上表现很棒。联邦学习构建跨机构知识图谱这个idea挺实用的，就是多个机构在不共享原始数据的情况下，联合训练一个知识图谱。用到了差分隐私和 这些技术。FedKG框架是目前比较成熟的实现。在MIMIC-III和数据上做过实验，既保护了隐私又提升了图谱质量。Code Graph自动构建代码知识图谱主要是用大模型自动分析代码语义，构建函数调用关系、数据流关系等。模型基于做的改进，能理解代码的深层语义。主要用途是代码推荐、bug检测这些任务。数据集用和的开源项目。感觉对做系统的同学特别有用。知识图谱的可解释性增强最后一个方向是可解释性，现在不仅要预测准确，还要能解释为什么这样预测。XKG模型通过可视化和 来提供解释。核心思路是在做推理时同时生成 path，告诉用户推理的具体路径。用的数据集主要是FB15K-237和。感兴趣d!#深度学习 #论文辅导 #知识图谱#创新点##一对一指导#算法改进#复现#跑通#代码定制
323AI导航网发布
相关文章
