Trans＿isA:一种基于实体属性和语义层次的表示学习方法

作者：李天宇; 王艳娜; 周子力^*; 赵晓函

来源：曲阜师范大学学报(自然科学版), 2022, 48(02): 71-78.

• 知识图谱
• 表示学习
• 实体属性
• 语义层次

传统的表示学习方法将三元组按照独立的个体进行表示，使得实体和关系的表示向量缺乏语义层次信息.同一关系(如is＿A关系)链接的两个实体，其自身属性以及语义范畴都可能是不相同的，因此在对is＿A关系三元组进行表示学习时，要将头实体和尾实体区分开，以不同的方法进行编码.为此，首先将is＿A关系下的实体编码为一个球体，球体间相对位置表示为实体间关系；然后在实体属性的基础上，利用二元关系的传递性判定条件对实体间语义层次进行建模，将其命名为Trans＿isA模型.在WN18RR数据集上对Trans＿isA进行了链接预测和三元组分类实验，验证了模型的有效性.

• 单位
  曲阜师范大学