Glossário IA
O dicionário completo da Inteligência Artificial
TransE
Modelo de incorporação baseado em tradução que representa as relações como operações de tradução entre os vetores de entidades no espaço de incorporação.
RotatE
Modelo de incorporação usando rotações no plano complexo para modelar diferentes tipos de relações simétricas, anti-simétricas e inversas.
ComplEx
Modelo de incorporação no espaço complexo capturando as relações assimétricas através da multiplicação complexa dos vetores de entidades.
DistMult
Modelo bilinear simples usando o produto escalar diagonal para prever a plausibilidade de tripletos em um grafo de conhecimento.
RESCAL
Modelo tensorial fatorizando o tensor de relação para aprender incorporações de entidades e uma matriz de relação por tipo de relação.
ConvE
Modelo de incorporação baseado em redes neurais convolucionais 2D capturando as interações complexas entre entidades e relações.
KBAT
Arquitetura transformadora com mecanismo de atenção adaptado para grafos de conhecimento, integrando informações de estrutura e conteúdo semântico.
Metapath2Vec
Algoritmo de aprendizado de representações para grafos heterogêneos usando metapaths para guiar as caminhadas aleatórias e capturar a semântica relacional.
Poincaré Embedding
Técnica de embedding no espaço hiperbólico de Poincaré que preserva naturalmente as estruturas hierárquicas dos grafos de conhecimento.
Link Prediction in KG
Processo de previsão da existência ou plausibilidade de relações entre entidades, com base nas similaridades vetoriais no espaço de embedding.
Entity Alignment
Técnica que identifica e corresponde as entidades equivalentes entre diferentes grafos de conhecimento, usando seus embeddings vetoriais.
Temporal Knowledge Graph Embedding
Extensão dos métodos de embedding que incorpora a dimensão temporal para modelar a evolução dinâmica das relações ao longo do tempo.
Type-aware Embedding
Abordagem de embedding que integra as informações de tipo de entidade como restrições para melhorar a qualidade das representações vetoriais.
Hole
Modelo de embedding circular que usa a convolução circular (correlação) para capturar as interações complexas entre entidades e relações.
SimplE
Modelo de embedding simples mas eficaz que usa embeddings inversos para capturar as propriedades de inversão e composição das relações.
TuckER
Modelo de embedding baseado na decomposição tensorial de TuckER que captura as interações complexas entre entidades e relações através de um tensor core.
CrossE
Modelo que introduz vetores de interação para capturar dependências cruzadas entre entidades e relações em grafos de conhecimento.