简明解释图神经网络与知识图谱的区别与联系

参考：https://www.bilibili.com/video/BV16u411z7ss/

Yonggie

1582人浏览 · 2022-10-18 14:02:20

Yonggie · 2022-10-18 14:02:20 发布

参考：https://www.bilibili.com/video/BV16u411z7ss/

在这里插入图片描述

区别

对于GNN：

目的是representation learning表示学习，目的是对图中每个节点进行向量表示；
应用场景是极度稀疏、残缺、规模庞大的图结构数据
解决方式是通过更好的表示学习后，进行节点向量的距离度量。

对于知识图谱：

目的是为了知识推理，对知识进行建模，而非实体，形成能够迁移的知识表示体系
场景是具有可解释性的知识推理，多目标优化求解
解决方式是取样path或者子图优化。

联系

都是图形数据结构，都需要吸取边信息进行推断/预测。

技术共进，成长同行——讯飞AI开发者社区

更多推荐

论文笔记：AlphaEdit: Null-Space Constrained Knowledge Editing for Language Models（AlphaEdit）

论文发表于人工智能顶会ICLR（基于定位和修改的模型编辑方法（针对和等）会破坏LLM中最初保存的知识，特别是在顺序编辑场景。为此，本文提出AlphaEdit：1、在将保留知识应用于参数之前，将扰动投影到保留知识的零空间上。2、从理论上证明，这种预测确保了在查询保留的知识时，编辑后的LLM的输出保持不变，从而减轻中断问题。3、对各种LLM（包括LLaMA3、GPT2XL和GPT-J）的广泛实验表明，