计算机应用研究

作者：马力,姚伟凡,

单位：西安邮电大学计算机学院,西安710121；

关键词：知识图谱补全,图注意力机制,谓词感知,链接预测,实体预测,

基金：国家自然科学基金资助项目(61373116)；陕西省自然科学基金研究计划资助项目(2016JM6085)；；

知识图谱补全旨在预测三元组中缺失的部分使知识图谱趋于完整。针对基于神经网络等模型的链接预测方法忽略了实体间的关联信息，导致模型不能覆盖三元组周围局部邻域中固有的隐藏信息，提出图注意力机制与谓词感知结合的方法。首先，利用图注意力机制定义了一个关系嵌入矩阵，描述任意给定实体邻域内实体间的关系；其次，引入谓词增强实体间语义理解程度，构造了基于谓词嵌入向量的注意力值计算公式，以便有效地度量实体间语义联系的强度；此外，利用实体邻居间的边关系预测多跳实体间的直接关系以补全知识图谱。在数据集 WN18RR、Kinship、FB15K的实验结果表明了该方法能有效提高三元组的预测精度。

来源：2021年第7期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2021年第7期