融合文本和路径语义的知识图谱嵌入学习模型

• 作者: 李璞 肖宝 蒋运承 韦丽娜
• 来源期刊: 华南师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 知识图谱嵌入 随机游走 自注意力机制 多步路径 实体描述文本
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 计算机科学与软件工程
• 页码范围: 103-112
• 页数: 10页
• 分类号: TP391
• 语种: 中文
• DOI: 10.6054/j.jscnun.2020101

摘要

针对现有的融合文本和路径信息的模型未能充分挖掘和利用文本与路径语义的问题,提出了新的知识图谱嵌入学习模型(GETR模型):首先,利用LDA丰富实体描述文本语义并用TWE获取词和主题向量,采用Bi-LSTM模型把词和主题向量编码融入实体向量表示中,以增强结点的语义表达能力;其次,设计了以组合PageRank和余弦相似度算法为策略的随机游走算法,以获取实体间的多步路径,并利用自注意力机制捕获路径的重要语义融入到翻译模型中进行联合训练,从而达到有效过滤路径中的噪声和提高模型效率的目的.最后,在数据集FB15K、FB20K和WN18上,对GETR、TransE、DKRL、TKGE模型进行知识补全和实体分类任务的评测,结果表明:GETR模型具有更好的性能表现,是一种更加高效的知识表示方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蒋运承		22	57	5.0	5.0
2	李璞		7	16	2.0	3.0
3	肖宝		1	0	0.0	0.0
4	韦丽娜		1	0	0.0	0.0