结合关系路径与有向子图推理的链接预测方法

摘要：

针对基于归纳关系预测的知识图谱补全方法,现有的方法仅限于直推式推理,训练期间必须知道全部的实体集合.提出一种基于图神经网络的关系预测方法.首先提取图神经网络的局部有向子图进行推理,其次引入一个用于归纳关系推理的节点-边双向信息传递机制,以加强节点和边之间的信息交流并有效处理三元组中的非对称关系.鉴于实体之间不同的连接路径揭示了其关系的本质并有助于预测推理,因此考虑两个实体之间的关系路径,用适用于归纳式推理的关系类型表示其路径,定义了边嵌入的注意力公式,对在训练集中没有见过的实体进行关系预测.在适用于归纳推理方法的常用基准数据集上的实验结果表明,该方法相比基线模型提高了三元组的预测精度.

关键词：知识图谱补全、图神经网络、归纳式推理、链接预测

所属期刊栏目：17

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;陕西省自然科学基金研究计划项目

在线出版日期：2023-02-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：478-488