结合卷积特征提取和路径语义的知识推理

作者：陈新元; 谢晟祎; 陈庆强^*; 刘羽

来源：智能系统学报, 2021, 16(04): 729-738.

• 知识图谱
• 知识推理
• 嵌入表示
• 路径信息
• 卷积神经网络
• 长短期记忆网络
• 注意力机制
• 链路预测

传统特征提取方法大多基于嵌入表达,常忽略了路径语义;基于关系路径的推理方法多考虑单一路径,性能仍有提升空间。为进一步提升知识推理能力,使用自定义的卷积神经网络框架编码随机游走生成的多条路径,利用双向长短期记忆网络的隐藏状态合并向量序列,结合注意力机制实现差异化的多路径语义信息集成,计算候选关系与实体对的概率得分,用于判断三元组是否成立。NELL995和FB15k-237数据集上的链路预测结果证明方案可行,F1等指标相比主流模型也有一定优势;进一步在大型数据集和稀疏数据集上验证方案可行。

• 单位
  福建农业职业技术学院; 闽江学院; 现代教育技术中心; 福建工程学院; 福州墨尔本理工职业学院