融合文本描述和层次类型的知识表示学习方法

作者：李松; 舒世泰; 郝晓红; 郝忠孝

来源：浙江大学学报(工学版), 2023, 57(05): 911-920.

• 知识图谱
• 知识表示
• 多源信息融合
• 表示学习
• 链接预测

现有的知识表示方法只考虑三元组本身或一种额外信息，没有充分利用外部信息对知识表示进行语义补充，为此提出一种融合文本描述信息和层次类型信息的知识表示学习方法.使用卷积神经网络(CNN)从文本中提取特征信息；使用基于注意力机制的卷积神经网络区分不同关系的特征可信度，以增强实体关系结构向量在现有知识图谱中的表示，获得丰富的语义信息；使用加权层次编码器来构造层次类型投影矩阵，将实体的所有层次类型投影矩阵与特定关系类型约束结合起来.在WN18、WN18RR、FB15K、FB15K-237和YAGO3-10数据集上,进行链接预测和三元组分类等任务，以分析和验证所提模型的有效性.实验结果表明:在实体预测实验中，所提模型与TransD模型相比，MeanRank(Filter)降低了11.8%,Hits@10提升了3.5%；在三元组分类实验中，所提模型的分类精度比DKRL模型提高了8.4%，比TKRL模型提升了8.5%，充分证明利用外部多源信息能够提高知识表示能力.

• 单位
  哈尔滨工业大学; 哈尔滨理工大学