研究人员提出了DMKGC，这是一个框架，它应用条件扩散模型在多个领域之间转移知识以完成知识图谱。该方法将每个知识图谱视为实体信息的部分视图，在保留领域特定细节的同时，生成基于支持图谱的条件化通用领域嵌入。
- 将领域无关的实体嵌入初始化为先验，并在各个KG中进行编码。
- 融合来自支持KG的等效实体以引导条件扩散生成。
- 使用先验嵌入作为代理目标，以确保跨领域的无偏生成。
- 在3个基准测试中的14个KG上，尾部实体预测的平均MRR比最先进方法提高了4.3%。
该方法解决了具有一致性约束的方法中固有的抑制领域特定上下文信息的风险，特别是在低资源数据设置中展示了持续的收益。