规则引导的知识图谱联合嵌入方法

摘要：

近年来,大量研究工作致力于知识图谱的嵌入学习,旨在将知识图谱中的实体与关系映射到低维连续的向量空间中.且所学习到的嵌入表示已被成功用于缓解大规模知识图谱的计算效率低下问题.然而,大多数现有嵌入学习模型仅考虑知识图谱的结构信息.知识图谱中还包含有丰富的上下文信息和文本信息,它们也可被用于学习更准确的嵌入表示.针对这一问题,提出了一种规则引导的知识图谱联合嵌入学习模型,基于图卷积网络,将上下文信息与文本信息融合到实体与关系的嵌入表示中.特别是针对上下文信息的卷积编码,通过计算单条上下文信息的置信度与关联度来度量其重要程度.对于置信度,定义了一个简单有效的规则并依据该规则进行计算.对于关联度,提出了一种基于文本表示的计算方法.最后,在2个基准数据集上进行的实验结果证明了模型的有效性.

关键词：知识图谱、表示学习、图卷积网络、上下文信息、文本信息

所属期刊栏目：57

分类号：TP391(计算技术、计算机技术)

资助基金：国家重点研发计划项目;国家自然科学基金项目;中国工程院咨询研究项目;国家自然科学基金创新研究群体;教育部创新团队;中国工程科技知识中心项目

在线出版日期：2020-12-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：2514-2522