知识图谱表示学习中的不确定性研究

这篇博士论文系统研究了知识图谱嵌入（KGE）中的三类不确定性：来自不完整、噪声或概率输入的知识不确定性，训练随机性引发的算法不确定性，以及模型输出的预测不确定性。针对算法不确定性，论文提出基于投票的聚合框架；针对预测不确定性，将 conformal prediction 适配到 KGE，构建具有无分布覆盖保证的答案集；针对知识不确定性，提出统计有效的预测区间及基于嵌入向量的概率推理近似方法。