融合关系上下文与路径的茶叶种植知识图谱关系补全模型

摘要：

针对茶叶种植知识图谱不完备问题,该研究提出了一种融合关系上下文与路径的茶叶种植知识图谱关系补全模型.模型由TeaConAggr(tea context aggregate)聚合模块、多层关系消息传递机制、关系路径聚合模块和关系路径学习模块组成,首先利用TeaConAggr模块对实体的各跳关系上下文进行聚合,通过多层关系消息传递机制将各跳关系上下文进行汇总,从而得到实体对的关系上下文;其次使用关系路径聚合模块对实体之间的关系路径进行聚合,并通过关系路径学习模块对路径进行学习;最后通过注意力机制对关系上下文和关系路径进行融合,以实现实体关系补全的目标.模型在自建的茶叶种植知识图谱数据集TPKGData上开展试验,试验结果表明:该模型在平均倒数排名、命中率Hits@l和命中率Hits@3三个指标上分别达到了 85.40％、80.95％和90.08％,与Shallom模型相比分别提高了 2.56％、2.63％和4.25％个百分点.此外,模型在公开数据集FB15K-237和WN18RR上与Shallom模型进行试验对比,平均倒数排名分别提高了 2.17％和1.05个百分点,进一步表明本文模型具有较好的泛化能力.

关键词：模型、知识图谱、茶叶种植、图谱补全、关系上下文、关系路径

所属期刊栏目：40

分类号：TP391;S24(计算技术、计算机技术)

资助基金：高端外国专家引进计划G20200027087

在线出版日期：2024-09-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：171-178