基于链接预测模型的融合研究

作者：张浪浪; 吴建斌^*; 彭浩; 陈乐倩

来源：浙江师范大学学报(自然科学版), 2023, 46(02): 132-138.

DOI：10.16218/j.issn.1001-5051.2023.030

• 知识图谱
• 链接预测
• 模型融合
• 知识图谱嵌入
• 神经网络模型

知识图谱技术在信息检索、智能问答领域有着重要作用.为了解决大型知识图谱中的有效实体缺失问题，需要使用链接预测手段自动预测实体之间缺失的链接，完善知识图谱中缺失的实体.现在有许多链接预测的方法，其中基于神经网络的Grail模型侧重于对局部子图进行推理，具有很强的归纳倾向，但在语义层次建模方面存在不足.因此，提出了Grail&HAKE融合模型，通过将Grail模型与HAKE模型进行融合，解决了Grail模型在语义层次建模方面存在的不足.实验结果表明，Grail&HAKE的融合模型比单独使用Grail和HAKE模型的MRR值分别高出0.100 5和0.306 3,并且在部分数据集上优于其他融合模型.说明Grail&HAKE融合模型在知识图谱的有效实体链接预测方面是有效可用的.

• 单位
  浙江师范大学