结合卷积特征提取和路径语义的知识推理

摘要：

传统特征提取方法大多基于嵌入表达,常忽略了路径语义;基于关系路径的推理方法多考虑单一路径,性能仍有提升空间.为进一步提升知识推理能力,使用自定义的卷积神经网络框架编码随机游走生成的多条路径,利用双向长短期记忆网络的隐藏状态合并向量序列,结合注意力机制实现差异化的多路径语义信息集成,计算候选关系与实体对的概率得分,用于判断三元组是否成立.NELL995和FB15k-237数据集上的链路预测结果证明方案可行,F1等指标相比主流模型也有一定优势;进一步在大型数据集和稀疏数据集上验证方案可行.

关键词：知识图谱;知识推理;嵌入表示;路径信息;卷积神经网络;长短期记忆网络;注意力机制;链路预测

所属期刊栏目：16

分类号：TP391(计算技术、计算机技术)

资助基金：中国高等教育学会2020年度中外合作办学研究课题ZWHZBX202003

在线出版日期：2021-09-14（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：729-738