复杂网络下基于路径选择的表示学习方法

• 作者: 刘琼昕 郑培雄 龙航
• 来源期刊: 北京理工大学学报
• 学科: 工学
• 关键词: 知识图谱 路径选择 表示学习
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 信息与控制
• 页码范围: 282-289
• 页数: 8页
• 分类号: TP391
• 字数: 7182字
• 语种: 中文
• DOI: 10.15918/j.tbit 1001-0645.2018.053

摘要

基于路径和基于知识表示的推理是当前知识图谱领域两大主流推理方法,二者的融合算法可以提高知识推理的准确率,但是依旧存在表示学习的时候效率低下、预测准确率低、模型过拟合等若干问题.本文方法针对这些问题提出了基于路径选择的表示学习方法.对路径特征信息进行进一步的过滤和筛选,保留关键路径,在路径信息和知识表示的结合过程中使用平衡参数对缺失路径信息的三元组进行处理.使用公开数据集对模型进行测试,实验表明模型可以有效提高泛化能力和准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘琼昕		11	52	4.0	7.0
5	郑培雄	哈尔滨工程大学计算机学院	2	0	0.0	0.0
6	龙航	北京理工大学计算机学院	1	0	0.0	0.0