Buchumschlag

HEHRGNN: A Unified Embedding Model for Knowledge Graphs with Hyperedges and Hyper-Relational Edges

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Rajagopalamenon, Rajesh, Cheramangalath, Unnikrishnan
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence I.2.4; I.2.6
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

VN Network: Embedding Newly Emerging Entities with Virtual Neighbors
von: He, Yongquan, et al.
Veröffentlicht: (2024)

SAGE: Scale-Aware Gradual Evolution for Continual Knowledge Graph Embedding
von: Li, Yifei, et al.
Veröffentlicht: (2025)

Generative and Contrastive Graph Representation Learning
von: Chen, Jiali, et al.
Veröffentlicht: (2025)

Ground-Compose-Reinforce: Grounding Language in Agentic Behaviours using Limited Data
von: Li, Andrew C., et al.
Veröffentlicht: (2025)

High Quality Embeddings for Horn Logic Reasoning
von: Zhang, Yifan, et al.
Veröffentlicht: (2026)

OntoLogX: Ontology-Guided Knowledge Graph Extraction from Cybersecurity Logs with Large Language Models
von: Cotti, Luca, et al.
Veröffentlicht: (2025)

HIP Network: Historical Information Passing Network for Extrapolation Reasoning on Temporal Knowledge Graph
von: He, Yongquan, et al.
Veröffentlicht: (2024)

Demand-Driven Context: A Methodology for Building Enterprise Knowledge Bases Through Agent Failure
von: Navakoti, Raj, et al.
Veröffentlicht: (2026)

Compositional Concept-Based Neuron-Level Interpretability for Deep Reinforcement Learning
von: Jiang, Zeyu, et al.
Veröffentlicht: (2025)

A Self-explainable Model of Long Time Series by Extracting Informative Structured Causal Patterns
von: Wang, Ziqian, et al.
Veröffentlicht: (2025)

Probabilities of the Third Type: Statistical Relational Learning and Reasoning with Relative Frequencies
von: Weitkämper, Felix
Veröffentlicht: (2022)

A Domain-Independent Agent Architecture for Adaptive Operation in Evolving Open Worlds
von: Mohan, Shiwali, et al.
Veröffentlicht: (2023)

Understanding Boolean Function Learnability on Deep Neural Networks: PAC Learning Meets Neurosymbolic Models
von: Nicolau, Marcio, et al.
Veröffentlicht: (2020)

Learning What Matters: Probabilistic Task Selection via Mutual Information for Model Finetuning
von: Chanda, Prateek, et al.
Veröffentlicht: (2025)

Learning, Fast and Slow: Towards LLMs That Adapt Continually
von: Tiwari, Rishabh, et al.
Veröffentlicht: (2026)

Distributed Multi-Layer Editing for Rule-Level Knowledge in Large Language Models
von: Wang, Yating, et al.
Veröffentlicht: (2026)

Evaluating and Learning Robust Bandit Policies Under Uncertain Causal Mechanisms
von: Avery, Katherine, et al.
Veröffentlicht: (2025)

Sensorformer: Cross-patch attention with global-patch compression is effective for high-dimensional multivariate time series forecasting
von: Qin, Liyang, et al.
Veröffentlicht: (2025)

HyperPersona: A Multi-Level Hypergraph Framework for Text-Based Automatic Personality Prediction
von: Heydari, Sina, et al.
Veröffentlicht: (2026)

On the Push-Based Asynchronous Federated Learning: A Bias-Correction Aggregation Approach
von: Bai, Jiahui, et al.
Veröffentlicht: (2026)

Byzantine-Resilient Federated Learning via QUBO-Based Client Selection on Quantum Annealers
von: Ferenczi, Andras, et al.
Veröffentlicht: (2026)

From Next Token Prediction to (STRIPS) World Models
von: Núñez-Molina, Carlos, et al.
Veröffentlicht: (2025)

An Incremental MaxSAT-based Model to Learn Interpretable and Balanced Classification Rules
von: Júnior, Antônio Carlos Souza Ferreira, et al.
Veröffentlicht: (2024)

Unveiling the Secret Recipe: A Guide For Supervised Fine-Tuning Small LLMs
von: Pareja, Aldo, et al.
Veröffentlicht: (2024)

Heterogeneous network and graph attention auto-encoder for LncRNA-disease association prediction
von: Liu, Jin-Xing, et al.
Veröffentlicht: (2024)

Logic-based Explanations for Linear Support Vector Classifiers with Reject Option
von: Filho, Francisco Mateus Rocha, et al.
Veröffentlicht: (2024)

Bi-View Embedding Fusion: A Hybrid Learning Approach for Knowledge Graph's Nodes Classification Addressing Problems with Limited Data
von: Napoli, Rosario, et al.
Veröffentlicht: (2025)

Advancing Multimodal Agent Reasoning with Long-Term Neuro-Symbolic Memory
von: Jiang, Rongjie, et al.
Veröffentlicht: (2026)

Graph Spring Neural ODEs for Link Sign Prediction
von: Rehmann, Andrin, et al.
Veröffentlicht: (2024)

HERO: Hint-Based Efficient and Reliable Query Optimizer
von: Zinchenko, Sergey, et al.
Veröffentlicht: (2024)

The Final-Stage Bottleneck: A Systematic Dissection of the R-Learner for Network Causal Inference
von: Sairam, S, et al.
Veröffentlicht: (2025)

Study Design and Demystification of Physics Informed Neural Networks for Power Flow Simulation
von: Leyli-abadi, Milad, et al.
Veröffentlicht: (2025)

Evo-DKD: Dual-Knowledge Decoding for Autonomous Ontology Evolution in Large Language Models
von: Raman, Vishal, et al.
Veröffentlicht: (2025)

Hopscotch: Discovering and Skipping Redundancies in Language Models
von: Eyceoz, Mustafa, et al.
Veröffentlicht: (2025)

MOCHA: Multi-Objective Chebyshev Annealing for Agent Skill Optimization
von: Tanjim, Md Mehrab, et al.
Veröffentlicht: (2026)

Robustness of Spatio-temporal Graph Neural Networks for Fault Location in Partially Observable Distribution Grids
von: Karabulut, Burak, et al.
Veröffentlicht: (2026)

Uncovering Bugs in Formal Explainers: A Case Study with PyXAI
von: Huang, Xuanxiang, et al.
Veröffentlicht: (2025)

LTL-Constrained Policy Optimization with Cycle Experience Replay
von: Shah, Ameesh, et al.
Veröffentlicht: (2024)

rmlnomogram: An R package to construct an explainable nomogram for any machine learning algorithms
von: Sufriyana, Herdiantri, et al.
Veröffentlicht: (2025)

CC-SGG: Corner Case Scenario Generation using Learned Scene Graphs
von: Drayson, George, et al.
Veröffentlicht: (2023)