TransE-KCB:一种改进负样本采样的知识图谱表示方法OA北大核心CSTPCD
TRANSE-KCB:AN IMPROVED KNOWLEDGE GRAPH REPRESENTATION METHOD FOR NEGATIVE SAMPLE SAMPLING
为了解决翻译模型中的随机生成负样本的不足,以生成高质量的负样本,提高模型的训练效果,提出一种改进的负样本采样的知识表示学习模型TransE-KCB.该模型引入K-Means++聚类算法,形成不同种类的相似性实体簇;在簇中随机挑选5个实体与被替换实体计算它们之间的相似度,选出排名最高的实体,与被替换的实体进行替换;在此基础上,为了解决"假负例"问题,引入布隆过滤器,对"假负例"进行过滤.实验结果表明,与TransE等模型相比较,TransE-KCB…查看全部>>
In order to solve the shortcomings of randomly generated negative samples in the translation model,to generate high-quality negative samples and improve the training effect of the model,the paper proposes an improved knowledge representation learning model for negative sample sampling,which is called TransE-KCB.The model introduced the K-Means++clustering algorithm to form different types of similarity entity clusters.5 entities in the cluster were randomly …查看全部>>
徐金诚;葛云生
桂林理工大学信息科学与工程学院 广西桂林 541006桂林理工大学信息科学与工程学院 广西桂林 541006
计算机与自动化
负样本翻译模型三元组分类知识表示
Negative sampleTranslation modelTriplet classificationKnowledge representation
《计算机应用与软件》 2024 (8)
345-350,6
评论