研究者提出嵌入可视化邻域构建方法KG-Neighbor
Start here
2026年11月6日，研究者在 arXiv 发布论文，提出面向嵌入可视化的知识引导邻域构建方法 KG-Neighbor（KGN）。该方法利用知识图谱三元组的共享程度调整嵌入距离，并据此重建 top-k 邻域图。实验表明，在8种文本和图像测试条件下，KGN 的最大 NMI 和 LT_2D 均超过对应的 kNN 基线，最大增益分别达到 0.68 和 1.35。此外，该研究还引入了评估工具 IDProfile（IDP），用于独立评估源内容并解释可视化中的残差不匹配现象。
AI-generated from reports · Updated 5 hours ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 机器学习KG-Neighbor：面向嵌入可视化的知识引导邻域构建方法
研究者提出面向嵌入可视化的知识引导邻域构建方法 KG-Neighbor（KGN），利用知识图谱三元组共享程度调整嵌入距离并重建 top-k 邻域图。在 8 种文本和图像测试条件下，KGN 的最大 NMI 和 LT_2D 均超过对应 kNN 基线，最大增益分别达到 0.68 和 1.35。该研究还引入 IDProfile（IDP），用于独立评估源内容并解释可视化中的残差不匹配。
Story heat trend
Current heat 9·Comparable peak 10（Nov 6 14:00）·Comparable change, last 24 hours–
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.