10.3778/j.issn.1002-8331.1904-0264
基于Att_GCN模型的知识图谱推理算法
针对目前知识图谱推理方法中,传统神经网络方法不能有效考虑实体之间的相关性问题,提出了一种将图卷积神经网络(GCN)与注意力机制(Attention)相结合的知识图谱推理方法.该方法利用注意力机制对知识图谱中的实体与其邻域实体进行相关性计算,得到实体特征向量.通过图卷积神经网络的参数共享技术学习实体的所有邻域实体特征.将实体特征和关系特征进行特征融合,得到每个实体的隐性特征向量.通过实体分类实验和链接预测实验进行分析,结果表明,该方法的准确率较传统神经网络方法有进一步提高,为搜索、问答、推荐以及数据集成等领域提供了方法支持.
知识图谱推理、实体分类、链接预测、图卷积神经网络(GCN)、Attention机制
56
TP391(计算技术、计算机技术)
国家自然科学基金No.U1633110
2020-05-11(万方平台首次上网日期,不代表论文的发表时间)
共7页
183-189