知识图谱嵌入技术研究进展

摘要：

知识图谱嵌入(KGE)是知识图谱领域一个新的研究热点,旨在利用词向量的平移不变性将知识图谱中实体和关系嵌入到低维向量空间,进而完成知识表示.以解决实际问题的类型为划分依据,首先,阐述了四类主要的知识图谱嵌入方法,包括基于深度学习的方法、基于图形特征的方法、基于翻译模型的方法以及基于其他模型的方法,对每种模型的算法思想进行详细阐述,总结了每种模型的优缺点;其次,从常用数据集、评价指标、算法、实验四方面对知识图谱嵌入算法实验进行分析与归纳,对嵌入方法做了横纵向对比;最后,从解决实际问题的角度出发,给出了知识图谱嵌入技术未来的发展方向.通过研究,发现在基于深度学习的方法中,LCPE模型的效果最好;在基于图形特征的方法中,TCE模型的效果最好;在基于翻译模型的方法中,NTransGH模型的效果最好.今后的研究可以在LCPE、TCE、NTransGH的基础上进行拓展,不断提高链接预测和三元组分类的实验效果.

关键词：知识图谱嵌入(KGE);知识表示;知识图谱补全(KGC);链接预测;三元组分类

所属期刊栏目：15

分类号：TP319(计算技术、计算机技术)

资助基金：国家自然科学基金;黑龙江省自然科学基金;黑龙江省留学归国人员科学基金项目;黑龙江省教育厅科学技术研究项目;国家重点研发计划

在线出版日期：2021-11-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共15页

页码：2048-2062