Scalable Uncertainty Reasoning in Knowledge Graphs

Diese Forschung schlägt ein modulares Framework vor, um skalierbare Unsicherheitsresonanz in Wissensgraphen zu adressieren, da reale Daten oft inhärent unsicher sind. Es behandelt drei Unsicherheitsstufen – unpräzise Attributwerte, probabilistische Tripel-Existenz und unvollständiges Schemawissen – durch maßgeschneiderte Techniken wie probabilistische Literale, probabilistische Schaltkreise und geometrische Embeddings.