基于结构与文本联合表示的知识图谱补全方法

摘要：

现有的表示学习算法不能很好地表示知识图谱中的复杂关系,且未能充分利用实体的描述文本.为此,建立一种结合文本表示和结构表示的联合表示学习模型.使用深度卷积神经网络对实体的描述文本进行编码得到文本表示,通过引入非对称映射操作的基于翻译思想的模型生成结构表示,将两者进行联合学习从而得到实体和关系表示,同时使用不同的低秩矩阵分别对头实体和尾实体进行映射,使其能更好地表现知识图谱中的复杂关系.实验结果表明,相对文本表示和结构表示的单独训练模型,该模型具有更好的表示性能.

关键词：知识图谱补全、表示学习、深度学习、词向量、知识表示

所属期刊栏目：44

分类号：TP18(自动化基础理论)

资助基金：国家科技支撑计划项目2015BAH01F02

在线出版日期：2018-11-28（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：205-211