期刊专题

10.11896/jsjkx.200800195

结合三元组重要性的知识图谱补全模型

引用
知识图谱是人工智能方向的一个热门研究领域.知识图谱补全是在给定头实体或者尾实体以及相应关系的条件下,补全缺失实体.基于翻译的模型如TransE,TransH和TransR是最常用的一类知识图谱补全方法.然而,大多数现有的补全模型在补全过程中都忽略了知识图谱中三元组重要性的特征.文中提出了一种新型的知识图谱补全模型ImpTransE,该模型考虑了三元组中的重要性特征,设计了实体重要性排序方法KGNodeRank和多粒度关系重要性估计方法MG-RIE,分别对实体重要性和关系重要性进行估计.具体来说,KGNodeRank通过同时考虑关联结点的重要性及其重要性传递方向的概率来估计实体结点的重要性排名.MG-RIE则同时考虑了关系的一阶重要性和高阶重要性,从而对关系的总体重要性进行合理估计.ImpTransE同时考虑了三元组的实体重要性和关系重要性特征,使其在学习过程中对于不同的三元组信息可赋予不同的关注程度,提高了模型的表示学习性能,从而达到了更好的补全效果.实验结果表明,在两类知识图谱数据集中与5种对比模型相比,ImpTransE模型在大部分指标上均具有最佳的补全性能,对不同数据集的补全效果获得了一致的提升.

知识图谱、关系重要性、实体重要性、链接预测

47

TP391(计算技术、计算机技术)

国家自然科学基金U1711261

2020-11-17(万方平台首次上网日期,不代表论文的发表时间)

共6页

231-236

暂无封面信息
查看本期封面目录

计算机科学

1002-137X

50-1075/TP

47

2020,47(11)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn