知识图谱表征学习中的不确定性研究

一项博士论文研究系统分析了知识图谱嵌入（KGE）中的知识、算法与预测三类不确定性，以解决其预测缺乏可靠性保证的问题。研究提出了基于投票的聚合框架以缓解训练不稳定性，结合保形预测构建具备无分布覆盖保障的答案集，并为带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 KGE 提供了理论与实用兼备的不确定性量化方案。