基于知识增强的企业实体关系预测模型

摘要：

随着知识图谱的不断发展,大量应用于工业界的产业知识图谱应运而生.然而,这些产业知识图谱经常缺乏充足的企业关联关系,如上下游关系、供应关系、合作关系、竞争关系等,导致其应用范围受到极大限制.现有企业关系预测研究大多仅关注知识图谱中三元组本身的结构信息,未能充分利用企业文本描述和企业关联实体的描述等多视角信息.为解决该问题,提出了一种基于知识增强的企业实体关系预测模型KERP.模型首先通过多视角实体特征三元组学习,完善企业实体特征表示;其次,利用图注意力网络获取实体的高阶语义表示,并与 TransR 模型学习的实体关系低阶语义表示进行融合,进一步增强企业实体及其关系的特征表示;最后,通过二维卷积解码器ConvE 实现对企业实体关系的预测.在新能源汽车产业知识图谱数据上的实验分析表明,与现有主流实体关系预测模型相比,KERP在预测企业关系上具有更好的效果,在 F1 值上有 6.7%的提升.此外,在多个公开实体关系预测数据集上的实验结果表明,KERP 模型在一般化的实体关系预测任务上也具有较好的通用性.

关键词：产业知识图谱、企业实体关系、知识补全、链路预测、知识增强

所属期刊栏目：50

分类号：TP391(计算技术、计算机技术)

在线出版日期：2023-10-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：146-155