融合GAT和CapsNet的链接预测研究

• 作者: 王凯莉 周子力 陈丹华 周淑霄
• 来源期刊: 通信技术
• 学科: 工学
• 关键词: 链接预测 胶囊神经网络 图注意力 知识图谱补全
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 信息处理与传输|Information Processing & Transmission
• 页码范围: 143-150
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0802.2022.02.002

摘要

为解决现有的链接预测模型不能有效考虑三元组之间潜在关系的局限性,提出了一种融合图注意力网络(Graph Attention Networks,GAT)和胶囊神经网络(Capsules Noural Networks,CapsNet)的知识图谱链接预测模型,使用图注意力捕获每个实体邻域中的实体和关系特征,引入胶囊神经网络来解码三元组,通过胶囊神经网络节点嵌入特征的学习,生成连续向量与权重向量做点积运算,再构建评分函数用于判断三元组的准确性.在WN18RR和FB15K-237数据集上进行实验,结果表明该模型可以有效处理链接预测任务.