Aprendizaje Inductivo de Grafos de Modelo para Completar Grafos de Conocimiento
MGIL aplica aprendizaje inductivo en grafos de modelo para mejorar la predicción de enlaces, logrando representaciones globales precisas.
#completado de grafos
Unificando explicaciones post-hoc de completado de grafos de conocimiento
Unificando explicaciones post-hoc en KGC: nueva taxonomía mejora reproducibilidad y evaluación. Ideal para investigadores y desarrolladores.
Cuando las métricas no coinciden: meta-análisis de KGC
Descubre cómo un meta-análisis resuelve las discrepancias entre métricas en modelos KGC usando MCDM. Identifica el mejor agregador y modelo para predicción.
PROBE-Web: Explora paisajes de evaluación de modelos KGC
PROBE-Web: sistema interactivo para evaluar modelos de completado de grafos de conocimiento. Ajusta perspectivas de nitidez y sesgo de popularidad. ¡Explora paisajes de evaluación!