基于结构与文本联合表示的知识图谱补全方法

• 作者: 杨静 顾君忠 鲍开放
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 知识图谱补全 表示学习 深度学习 词向量 知识表示
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 205-211
• 页数: 7页
• 分类号: TP18
• 字数: 5962字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0047598

摘要

现有的表示学习算法不能很好地表示知识图谱中的复杂关系,且未能充分利用实体的描述文本.为此,建立一种结合文本表示和结构表示的联合表示学习模型.使用深度卷积神经网络对实体的描述文本进行编码得到文本表示,通过引入非对称映射操作的基于翻译思想的模型生成结构表示,将两者进行联合学习从而得到实体和关系表示,同时使用不同的低秩矩阵分别对头实体和尾实体进行映射,使其能更好地表现知识图谱中的复杂关系.实验结果表明,相对文本表示和结构表示的单独训练模型,该模型具有更好的表示性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	顾君忠	华东师范大学计算机科学技术系	158	1926	22.0	37.0
2	杨静	华东师范大学计算机科学技术系	46	388	9.0	17.0
3	鲍开放	华东师范大学计算机科学技术系	1	6	1.0	1.0