10.19678/j.issn.1000-3428.0055720
基于半边原理的知识图谱补全
针对现有知识图谱补全算法耗时长和准确性差的问题,构建一种基于半边的多层卷积模型.通过引入半边原理,运用实体的描述信息和关系自身的特性,结合两者的语义相似度对关系所连接的头尾实体进行约束,组成半边,在此基础上使用卷积神经网络进行知识图谱补全.该模型将只含有一个实体和关系的不完全RDF三元组以半边的形式保存,便于补全扩充的知识图谱.实验结果表明,与TransE、DKRL等模型相比,该模型具有较优的实体和关系预测性能,同时能有效缩短运行时间.
半边原理、卷积神经网络、知识图谱补全、实体预测、关系预测
46
TP18(自动化基础理论)
国家自然科学基金;国家社会科学基金;辽宁省自然科学基金;大连外国语大学研究创新团队项目"计算语言学与人工智能创新团队"
2021-01-26(万方平台首次上网日期,不代表论文的发表时间)
共6页
84-89