科研之友
微信
新浪微博
Facebook
分享链接
摘要
知识图谱是众多智能应用中一种重要的语义数据,但其数据的不完备性给实际应用带来了很多困难,因此需要对知识图谱中缺失的语义信息进行补全。知识图谱嵌入是知识图谱补全的重要方法之一,这类方法通常在非长尾数据情况下具有较好的效果,但在长尾数据情况下其效果较差。由于非长尾数据的语义较丰富,为了提升长尾数据情况下知识图谱补全效果,本文将非长尾数据作为监督知识迁移到长尾数据中,提出了一种新的算法——融入期望最大化算法思想的双重嵌入方法,来改进长尾数据的知识图谱补全性能,进而提高其实际应用效果。通过在FB15K数据集中进行链接预测任务的对比实验,实验结果表明本文提出的融入期望最大化算法思想的双重嵌入方法效果较好。
- 单位
