计算机应用研究

作者：韩云佳,范永胜,桑彬彬,徐林,

单位：重庆师范大学计算机与信息科学学院,重庆401331；

关键词：知识图谱补全,类型增强,动态邻域聚合,类型图,

基金：国家自然科学基金资助项目(62306054)；重庆市自然科学基金面上项目(CSTB2023NSCQMSX1010)；重庆市教委科学技术研究项目(KJZDK202400507)；；

针对现有的基于图神经网络的知识图谱补全模型未能区分不同邻居实体对中心实体的贡献度，以及其仅依赖于结构信息的提取，忽略了实体固有类型所携带的重要语义信息，导致嵌入表达能力不足，限制了模型预测性能等问题，提出了一种基于动态邻域聚合与类型增强的知识图谱补全模型。首先，该模型利用注意力机制动态调节实体邻域聚合，精细化邻居实体对中心实体的贡献度，以获得更高质量的实体嵌入，并采用实体类型信息对实体嵌入进行语义增强，提高实体嵌入的语义表达能力；其次，通过构建类型图捕捉关系本质所体现的实体间的类型语义关联，提高关系嵌入质量；最后，将增强后的实体和关系嵌入输入到解码器中，通过一个评分函数，对输入的特征三元组进行打分预测，完成知识图谱补全任务。该模型与目前流行的基线模型CompGCN相比，其性能在FB15k-237和NELL-995数据集上的MRR、hits@3分别提升了1.9、2.3和2.1、0.9个百分点。实验结果表明，该模型能够有效利用实体类型信息对实体和关系嵌入进行增强，从而提高模型在预测任务中的准确度。

来源：2026年第3期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2026年第3期