| 一种融合关系路径与实体描述信息的知识图谱表示学习方法 |
| |
| 引用本文： | 宁原隆, 周刚, 卢记仓, 杨大伟, 张田. 一种融合关系路径与实体描述信息的知识图谱表示学习方法[J]. 计算机研究与发展, 2022, 59(9): 1966-1979. DOI: 10.7544/issn1000-1239.20210651 |
| |
| 作者姓名： | 宁原隆 周刚 卢记仓 杨大伟 张田 |
| |
| 作者单位： | 战略支援部队信息工程大学 郑州 450001;战略支援部队信息工程大学 郑州 450001;数学工程与先进计算国家重点实验室(战略支援部队信息工程大学) 郑州 450001 |
| |
| 基金项目： | 河南省科技攻关计划项目(192102210129) |
| |
| 摘 要： | 知识图谱表示学习旨在通过学习的方法将知识图谱中的实体和关系映射到一个连续的低维向量空间而获得其向量表示.已有的知识图谱表示学习方法大多仅从三元组角度考虑实体间的单步关系，未能有效利用多步关系路径及其实体描述等重要信息，从而影响性能.针对上述问题，提出了一种融合关系路径与实体描述的知识图谱表示学习模型.首先，对知识图谱中的多步关系路径进行联合表示，将路径上的所有关系和实体相加，得到关系路径信息的表示；其次，使用BERT(bidirectional encoder representations from transformers)模型对实体描述信息进行编码，得到相对应的语义表示；最后，对知识图谱中的三元组表示、实体描述的语义表示以及关系路径的表示进行融合训练，得到融合向量表示.在FB15K，WN18，FB15K-237，WN18RR数据集上，对提出的模型和基准模型进行链接预测和三元组分类任务，实验结果表明，与现有的基准模型相比，该模型在2项任务中均具有更高的准确性，证明了方法的有效性和优越性.
|
| 关 键 词： | 知识图谱 表示学习 知识推理 关系路径 实体描述 |
A Representation Learning Method of Knowledge Graph Integrating Relation Path and Entity Description Information |
| |
| Ning Yuanlong,Zhou Gang,Lu Jicang,Yang Dawei,Zhang Tian. A Representation Learning Method of Knowledge Graph Integrating Relation Path and Entity Description Information[J]. Journal of Computer Research and Development, 2022, 59(9): 1966-1979. DOI: 10.7544/issn1000-1239.20210651 |
| |
| Authors: | Ning Yuanlong Zhou Gang Lu Jicang Yang Dawei Zhang Tian |
| |
| Affiliation: | 1.1(Strategic Support Force Information Engineering University, Zhengzhou 450001);2.2(State Key Laboratory of Mathematical Engineering and Advanced Computing (Strategic Support Force Information Engineering University), Zhengzhou 450001) |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《计算机研究与发展》浏览原始摘要信息 |
|
点击此处可从《计算机研究与发展》下载全文 |
