Тип публикации: доклад, тезисы доклада, статья из сборника материалов конференций
Конференция: V Всероссийская (национальная) научная конференция «Достижения науки и технологий» (ДНиТ-V-2026); Красноярск; Красноярск
Год издания: 2026
Ключевые слова: knowledge graph, mutual information maximization, multi-relational graph neural networks, non-connectivity modeling, граф знаний, максимизация взаимной информации, многореляционные графовые нейронные сети, моделирование несвязности
Аннотация: В статье представлена нейронная сеть на основе взаимной информации мультиреляционных графов, которая формирует новый механизм обучения графов знаний, позволяющий решить проблему несвязности графов путем распространения взаимной информации на мультиреляционные графы, а также расширяющий возможности моделирования глобальной структурыПоказать полностьюграфов, сохраняя при этом чувствительность к локальной структуре. This paper presents Mutual Information-Driven Multi-Relational Graph Neural Network, which designs a new learning mechanism to solve the knowledge graph non-connectivity problem by extending mutual information maximization to multi-relational graphs, and enhances the global graph structure modeling capability while maintaining the local structure sensitivity.
Журнал: Достижения науки и технологий (ДНиТ-V-2026)
Номера страниц: 438-444
Место издания: Красноярск