计算机应用研究

作者：刘恩海,楚航,王利琴,董永峰,

单位：1.河北工业大学人工智能与数据科学学院,天津300401；2.河北省大数据计算重点实验室,天津300401；3.河北省数据驱动工业智能工程研究中心,天津300401；

关键词：知识图谱,推理,时序,图卷积神经网络,门控循环单元,

基金：国家自然科学基金资助项目(61806072)；天津市自然科学基金资助项目(19JCZDJC40000)；河北省高等学校科学技术研究项目(QN2021213)；河北省自然科学基金资助项目(F2020202008)；；

现有时序知识图谱推理主要是基于静态知识图谱的推理方法，通过知识图谱的结构特征挖掘潜在的语义信息和关系特征，忽略了实体时序信息的重要性，因此提出一种基于实体活跃度及复制生成机制的时序知识图谱推理方法（EACG）。首先，通过改进的图卷积神经网络对多关系实体建模，有效挖掘知识图谱的潜在语义信息和结构特征。其次，时序编码器基于实体活跃度学习实体的时序特征。最后，使用复制生成机制进一步学习知识图谱的历史信息，提升对时序数据建模的能力。在时序知识图谱数据集ICEWS14、ICEWS05-15、GDELT上推理的实验结果表明，EACG在MRR评估指标中分别优于次优方法2%、10%和5%。

来源：2022年第6期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第6期