科研之友
微信
新浪微博
Facebook
分享链接
摘要
知识图谱表示学习旨在将实体和关系投影到低维、连续的向量空间中，学习实体和关系语义信息的向量表示。然而，大多数现有的模型难以有效建模知识图谱的基本特征，即对称/反对称、逆、组合关系模式。此外，许多模型将知识图谱简化成不相关三元组构成的集合，忽略三元组中的实体在图中的邻域信息。针对以上问题，本文提出一种融合实体图上下文的三维旋转知识图谱表示学习模型。该模型首先在四元数数学框架的基础上，将实体表示为三维空间中的一组向量，将关系解释为实体间的三维旋转变换，以更好建模各种关系模式。然后，利用注意力机制从相邻节点和边中学习实体图上下文表示，并将其引入到三元组打分函数，以将实体的图上下文信息融合到表示学习模型中。在两个公开数据FB15k-237与WN18RR上的实验结果表明了本文所提模型的有效性。
- 单位
