Thema4941: Unterschied zwischen den Versionen
Aus Aifbportal
Zw2114 (Diskussion | Beiträge) |
Zw2114 (Diskussion | Beiträge) |
||
| Zeile 7: | Zeile 7: | ||
|Partner=FIZ Karlsruhe | |Partner=FIZ Karlsruhe | ||
|Forschungsgruppe=Information Service Engineering | |Forschungsgruppe=Information Service Engineering | ||
| − | |Abschlussarbeitsstatus= | + | |Abschlussarbeitsstatus=Abgeschlossen |
|Beginn=2022/12/10 | |Beginn=2022/12/10 | ||
| + | |Abgabe=2023/08/04 | ||
|Ausschreibung=Master_Thesis_NLM4KGC.pdf | |Ausschreibung=Master_Thesis_NLM4KGC.pdf | ||
| + | |Ergebnisse=NLM-for-KGC_MA_Vjola_Cili.pdf | ||
|Beschreibung DE=The goal of Knowledge Graph Completion (KGC) is to automatically predict the missing links. The main focus of this thesis is to explore if the Neural Language Models can be leveraged to improve KGC. | |Beschreibung DE=The goal of Knowledge Graph Completion (KGC) is to automatically predict the missing links. The main focus of this thesis is to explore if the Neural Language Models can be leveraged to improve KGC. | ||
}} | }} | ||
Aktuelle Version vom 21. September 2023, 12:23 Uhr
Knowledge Graph Completion Leveraging Neural Language Models
Vjola Cili
Informationen zur Arbeit
Abschlussarbeitstyp: Master
Betreuer: Harald Sack, Russa Biswas
Forschungsgruppe: Information Service Engineering
Partner: FIZ Karlsruhe
Archivierungsnummer: 4941
Abschlussarbeitsstatus: Abgeschlossen
Beginn:
10. Dezember 2022
Abgabe: 04. August 2023
Weitere Informationen
The goal of Knowledge Graph Completion (KGC) is to automatically predict the missing links. The main focus of this thesis is to explore if the Neural Language Models can be leveraged to improve KGC.
Ausschreibung: Download (pdf)
Download: Download (pdf)