融合描述信息和结构特征的知识图谱链接预测OA北大核心CSTPCD
知识图谱普遍存在知识不完整的问题,这使得链接预测成为知识图谱的重要研究内容。现有模型仅关注三元组的嵌入表示,一方面,在模型的输入仅对实体和关系的嵌入表示进行随机初始化,并未融入实体及关系的描述信息,会缺失语义信息;另一方面,在解码时忽略三元组自身结构特征对链接预测结果的影响。针对上述问题,提出一种融合描述信息与结构特征的知识图谱链接预测模型BFGAT。BFGAT模型利用BERT预训练模型编码实体和关系的描述信息,并将描述信息融入到实体与关系的嵌入…查看全部>>
陈加兴;胡志伟;李茹;韩孝奇;卢江;闫智超
山西大学计算机与信息技术学院,太原030006 山西大学计算智能与中文信息处理教育部重点实验室,太原030006山西大学计算机与信息技术学院,太原030006 山西大学计算智能与中文信息处理教育部重点实验室,太原030006山西大学计算机与信息技术学院,太原030006 山西大学计算智能与中文信息处理教育部重点实验室,太原030006山西大学计算机与信息技术学院,太原030006 山西大学计算智能与中文信息处理教育部重点实验室,太原030006山西大学计算机与信息技术学院,太原030006 山西大学计算智能与中文信息处理教育部重点实验室,太原030006山西大学计算机与信息技术学院,太原030006 山西大学计算智能与中文信息处理教育部重点实验室,太原030006
计算机与自动化
知识图谱链接预测BERT卷积神经网络(CNN)
《计算机科学与探索》 2024 (2)
P.486-495,10
山西省重点研发计划(202102020101008)。
评论