FIT: Enhancing multimodal knowledge graph completion via fine-grained interaction and TriConvTransformer
1Citations signalées, ce qui n’est pas une note de qualité
1Institutions déclarées
1Pays d’affiliation déclarés
Rattachement africain : cn. Niveau de preuve : code pays fourni par la source.
Résumé indisponible. Les résultats de l’étude ne doivent pas être déduits de son seul titre.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- FIT: Enhancing multimodal knowledge graph completion via fine-grained interaction and TriConvTransformer
- Date Crossref
- 01/10/2026
- Éditeur
- Elsevier BV
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Fuzhou University pays non établi dans la noticeUniversité ou école supérieure
-
College of Computer and Data Science pays non établi dans la noticeUniversité ou école supérieure
Fuzhou University et College of Computer and Data Science.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.
Les sujets associés
Advanced Graph Neural NetworksTopic ModelingMultimodal Machine Learning Applications