基于时序感知的动态知识图谱补全方法

摘要：

针对动态知识图谱的补全方法大多将时间维度内嵌于实体或关系中,将四元组降维成三元组后以静态知识图谱补全理论进行补全.静态补全方法通常只对实体关系建模,忽略了时间信息在四元组中的重要作用.同时知识库内时间表述存在稀疏性和不规则性.针对以上问题,提出了时序感知编码器和时序卷积解码器.时序感知编码器将时间维度同实体和关系嵌入为同规模向量,通过改进的图卷积神经网络实现四元组的特征提取.针对时序编码器特征提取后的四元组向量,时序卷积解码器利用卷积神经网络评估全局关系以进行链接预测.所提出的方法可以提供更精确的时间维度特征,提升补全时序图谱的性能.在ICEWS14、ICEWS05-15、Wikidata12k和YAGO11k数据集上的实验验证了提出方法的有效性,同时链接预测效果较优.

关键词：动态知识图谱补全、链接预测、图卷积神经网络、注意力机制

所属期刊栏目：58

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金62062029

在线出版日期：2022-08-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：202-209