基于知信图卷积神经网络的开放域知识图谱自动构建模型

摘要：

解决多源知识对齐和知识冗余问题是在开放数据域自动构建知识图谱的关键.建立一种融合知信学习与深度学习的知识图谱自动构建模型.分析图卷积神经网络(GCN)模型与知信学习之间的理论联系,以先验知识与深度学习相结合的方式构建实体语义联合空间,将先验知识对模型的干预形式化,并利用自动编码器实现一个细粒度的实体对齐和关系抽取模型.同时,采用GCN与多头注意力相结合的方式,缓解因结构数据中多跳推理造成实体依赖信息丢失的影响.在开源数据集SemEval、FB15k和收集整理的MD数据集上的实验结果表明,该模型针对关系抽取、实体对齐和三元组抽取任务的F1值分别达到89.5％、86.6％和84.2％,较BERT-Softmax模型分别提升了0.3、2.4和0.3个百分点,具有更好的信息学习能力.

关键词：开放数据域、知识图谱、知信学习、图卷积神经网络、注意力机制

所属期刊栏目：48

分类号：TP18(自动化基础理论)

资助基金：公安部技术研究计划项目C21361

在线出版日期：2022-10-20（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：116-122