基于四元数胶囊网络的知识图谱补全模型

摘要：

知识图谱采用RDF三元组的形式描述现实世界中的关系和头、尾实体,即(头实体,关系,尾实体)或(主语,谓语,宾语).为补全知识图谱中缺失的事实三元组,将四元数融入胶囊神经网络模型预测缺失的知识,并构建一种新的知识图谱补全模型.采用超复数嵌入取代传统的实值嵌入来编码三元组结构信息,以尽可能全面捕获三元组全局特性,将实体、关系的四元数嵌入作为胶囊网络的输入,四元数结合优化的胶囊网络模型可以有效补全知识图谱中丢失的三元组,提高预测精度.链接预测实验结果表明,与CapsE模型相比,在数据集WN18RR中,该知识图谱补全模型的Hit@10与正确实体的倒数平均排名分别提高3.2个百分点和5.5％,在数据集FB15K-237中,Hit@10与正确实体的倒数平均排名分别提高2.5个百分点和4.4％,能够有效预测知识图谱中缺失的事实三元组.

关键词：知识图谱;四元数;胶囊网络;知识图谱补全;链接预测

所属期刊栏目：48

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金;国家自然科学基金;辽宁省高等学校创新人才项目;辽宁省自然科学基金;辽宁省教育厅科学研究经费项目;辽宁省高等学校基本科研项目;辽宁省教育科学十三五规划项目

在线出版日期：2022-02-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：40-46,64