基于二阶邻域的层级注意力的知识图谱补全方法

摘要：

在数据爆炸性增长的当下,知识图谱因其优秀的特性,常用于整合大规模的数据并应用于诸多下游任务.知识图谱补全旨在根据图谱已有的知识,预测出三元组的缺失值.图注意力网络因其能够精确的捕捉图结构中潜在的语义信息,被证实能够改进知识图谱补全任务的性能.本文提出一种新的注意力网络SNGAT.实体级注意力由特定二阶路径下的节点特征聚合而来,关系级注意力融合了头实体的和二阶路径的嵌入并通过注意力机制学习不同路径的重要性,最后将二者结合,形成二阶邻域的层级注意力进而得到实体特征.本文遵循编码器解码器结构,所提出的模型能够充分地聚合二阶邻域上的实体和关系特征,融合节点和关系之间的语义信息.通过实验表明,该模型相较于基线模型,有一定的优越性.

关键词：知识图谱、知识表示学习、图神经网络、注意力机制

所属期刊栏目：31

分类号：TP391(计算技术、计算机技术)

在线出版日期：2023-10-30（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：31-37