融合属性信息的知识表示方法

摘要：

现有的联合知识表示学习模型使用实体描述作为辅助信息来提升表示效果,忽略了互联网中大量有价值的信息.为此,提出一种融合属性信息的知识表示学习方法(AIKR).首先抓取实体的不同属性,并通过莱文斯坦距离从语料库中匹配属性对应的说明文本;然后利用卷积神经网络对说明文本进行编码;最后将得到的实体属性表示与翻译模型生成的结构表示相结合进行联合学习.实验结果表明,相比仅利用实体描述的方法,融合属性信息的知识表示方法可以学习到更多的语义信息,取得了更好的表示效果.

关键词：知识图谱、表示学习、卷积神经网络、链接预测、三元组分类

所属期刊栏目：19

分类号：TP182(自动化基础理论)

资助基金：国家自然科学基金61602125,61866008, 61862011,61862012;广西自然科学基金2016GXNSFBA380153, 2017GXNSFAA198192, 2018GXNSFAA138116;广西密码学与信息安全重点实验室项目GCIS201625, GCIS201704;广西科技计划AD18281065;桂林电子科技大学研究生教育创新计划2018YJCX51

在线出版日期：2019-12-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：259-265