Knowledge Graph Completion（知识图谱补全）

知识图谱以三元组形式存储事实，但通常不完整。知识图谱补全旨在推断缺失的三元组，包括链接预测和实体预测。早期方法基于规则和统计，后发展为基于翻译的模型（如TransE）、双线性模型（如DistMult）和神经网络模型（如ConvE）。近年来，图神经网络和预训练语言模型也被引入，提升了补全效果。该技术对提升下游任务性能至关重要。