DANS-KGC: Diffusionsbasiertes negatives Sampling für Knowledge-Graph-Completion
In der Welt der Knowledge-Graph-Representation spielt das Negative Sampling (NS) eine entscheidende Rolle. Traditionelle NS-Methoden leiden jedoch unter Schwächen wie der Anfälligkeit für falsche Negativbeispiele, eingeschränkter Generalisierbarkeit und fehlender Kontrolle über die Schwierigkeit der generierten Samples. Um diese Probleme zu lösen, präsentiert die neue Arbeit DANS-KGC – Diffusionsbasiertes Adaptive Negative Sampling für Knowledge-Graph-Completion.
