学者提出知识图谱表征学习不确定性量化框架

2026年10月7日，相关研究在 arXiv 机器学习板块发布，系统探讨了知识图谱嵌入（KGE）中的知识不确定性、算法不确定性与预测不确定性三大来源。针对上述问题，该研究提出了基于投票的聚合框架以缓解训练随机性，引入保形预测（conformal prediction）构建具有无分布覆盖保证的答案集，并为置信度三元组开发了统计有效的预测区间。这些模型无关的方法为知识图谱嵌入提供了理论支持与可靠的推理保障。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。