邻域信息分层感知的知识图谱补全方法 |
| |
作者姓名: | 梁梅霖 段友祥 昌伦杰 孙歧峰 |
| |
作者单位: | 1. 中国石油大学(华东)计算机科学与技术学院;2. 中国石油塔里木油田分公司勘探开发研究院 |
| |
基金项目: | 中央高校基本科研业务费专项资金资助项目(20CX05017A); |
| |
摘 要: | 知识图谱补全(KGC)旨在利用知识图谱的现有知识推断三元组的缺失值。近期的一些研究表明,将图卷积网络(GCN)应用于KGC任务有助于改善模型的推理性能。针对目前大多数GCN模型存在的同等对待邻域信息、忽略了邻接实体对中心实体的不同贡献度、采用简单的线性变换更新关系嵌入等问题,提出了一个邻域信息分层感知的图神经网络模型NAHAT,在关系更新中引入实体特征信息,通过聚合实体和关系表征来丰富异质关系语义,提高模型的表达能力。同时,将自我对立的负样本训练应用到损失计算中,实现模型的高效训练。实验结果表明,与图卷积网络模型COMPGCN相比,所提出的模型在FB15K-237数据集上Hits@1、Hits@10指标分别提高了3%、2.6%;在WN18RR数据集上分别提高了0.9%、2.2%。验证了所提出的模型的有效性。
|
关 键 词: | 知识图谱 知识表示学习 分层注意力机制 图神经网络 |
|