基于表示学习和语义要素感知的关系推理算法

摘要：

基于知识表示的关系推理方法研究是近年来统计关系学习和知识图谱领域共同关注的热点.通过对当前流行的基于知识表示的推理模型进行比较,分析了现有模型所普遍采用的基本假设存在的不合理之处,即忽视了实体与关系在语义上的多样性.据此提出了一种新的关系推理建模假设:实体对之间的每种关系反映的是两侧实体在某些特定方面的语义关联,通过对实体向量的语义方面要素进行选择性加权,可以实现对不同关系语义的表示和区分.根据该假设提出了一种新的关系推理建模方法,采用非线性变换的方法来解决表示学习中的语义分辨率问题.在公开数据集上的实验结果表明:所提出的算法对复杂关系类型和相关实体具有良好的语义区分能力,能有效提高知识图谱上的关系推理准确率,性能显著优于目前主流的相关工作.

关键词：统计关系学习、关系推理、表示学习、知识图谱、多元关系数据挖掘

所属期刊栏目：54

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目61133016,U1401257;四川省高新技术及产业化面上项目2017GZ0308This work was supported by the National Natural Science Foundation of China61133016,U1401257;the General Program of the Sichuan Province High-Technology Industrialization2017GZ0308

在线出版日期：2017-09-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1682-1692