基于半边原理的知识图谱补全

• 作者: 李冠宇 程涛 陈恒
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 半边原理 卷积神经网络 知识图谱补全 实体预测 关系预测
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 84-89
• 页数: 6页
• 分类号: TP18
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0055720

摘要

针对现有知识图谱补全算法耗时长和准确性差的问题,构建一种基于半边的多层卷积模型.通过引入半边原理,运用实体的描述信息和关系自身的特性,结合两者的语义相似度对关系所连接的头尾实体进行约束,组成半边,在此基础上使用卷积神经网络进行知识图谱补全.该模型将只含有一个实体和关系的不完全RDF三元组以半边的形式保存,便于补全扩充的知识图谱.实验结果表明,与TransE、DKRL等模型相比,该模型具有较优的实体和关系预测性能,同时能有效缩短运行时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李冠宇		108	867	15.0	25.0
2	陈恒		6	0	0.0	0.0
3	程涛		2	0	0.0	0.0