科研之友
微信
新浪微博
Facebook
分享链接
摘要
知识补全是提高知识图谱质量的关键技术，为了更好地利用中文知识图谱，该文对中文知识图谱补全进行研究。针对大多数研究聚焦于英文数据集，缺少中文知识补全数据集的情况，在已有数据集的基础上，该文构建了中文UMLS+ownthink数据集。现有知识图谱补全方法大多忽视BERT模型表征能力不足、位置信息学习能力弱的问题，且未考虑中文文本特征复杂、语序依赖性强的特点，因此提出一种名为MpBERT-BiGRU的中文知识图谱补全模型，利用平均池化策略有效缓解BERT模型表征能力弱的问题，并通过BiGRU网络强化特征信息，提高位置信息学习能力；同时将三元组转化为文本序列，结合实体描述信息作为模型的输入，利用背景知识丰富实体信息。链接预测实验结果表明，该方法在平均排名(Mean Rank, MR)指标上相比传统方法提高10.39,前10命中率(Hit@10)指标提高4.63%,验证了模型在中文语料库上的有效性。
- 单位
