摘要
大多数知识图谱补全模型是将信息转变为便于处理的静态三元组,忽略了实体和关系在不同语义条件下的动态属性和信息,导致模型分析和发现上下文信息的能力存在不足。为此,提出了动态分配注意力得分的知识图谱补全模型(DASKGC),该模型能够为每个实体和关系自适应调整匹配度得分。用邻居信息交互编码器来获取实体在不同语义下的角色信息,用路径匹配处理的方法来获取实体间的准确关系,通过损失函数来更新三元组在不同语义下的相关性分数。实验结果表明:所提出的DASKGC在数据集Nell-995上的MMR值为89.5%,在数据集DDB14和FB15K-237上Hits@1分别为93.9%和92.4%,其他的Hits指标也有良好的表现。
- 单位