问知识图嵌入(KGE)和图神经网络(GNN)有什么区别？

EN

知识图(KG)是一种不同于图形神经网络(GNN)的结构。两者都是图，但KG的不同之处在于它不是机器学习( ML )模型，它只是使用边(谓词)来“表示”实体之间的关系，而GNN是在训练时学习图的结构(邻居和邻居)的ML模型。这就是为什么KG嵌入很浅的原因，因为它可能仅仅是从单词嵌入(如Word2Vec )或其他方法(如TransE )获得的节点的嵌入，而对多跳上下文的影响不大。而GNN的目标确实是学习/编码多跳上下文，例如邻居和邻居的信息，将其转化为节点嵌入，因此它们比KG嵌入更严格。

如果我们想要获得嵌入，我们应该如何选择哪种方法？

正如我所提到的，KG只是代表一个特殊的实体，比如"cat“，它有一个关系，比如"feral"，而GNN是一个ML模型(不仅仅代表实体之间的关系)。因此，根据问题的不同，您可以选择一个或另一个。