科研之友
微信
新浪微博
Facebook
分享链接
摘要
现有的知识图谱链接预测方法中，基于图卷积网络的模型只考虑实体的嵌入表示，而忽略了与周围邻居节点间丰富的关系信息，并且模型往往是基于浅层的图卷积网络构建，难以提取深层特征。针对这些问题，提出一种基于多层交互图卷积网络的链接预测算法。该算法由编码器和解码器两部分组成。编码器部分采用多层图卷积网络进行学习，加深了图卷积网络模型深度，能够充分地利用节点周围的关系信息，同时融合实体与关系的嵌入表示。解码器部分采用卷积神经网络进行预测，对输入的实体、关系嵌入表示进行了特征重组，同时用循环卷积代替普通卷积，增加了特征之间的交互性。在公开数据集FB15k-237和WN18RR上的链接预测实验结果表明，该算法的效果要优于当下所有基于图卷积网络的链接预测算法。
-
单位中国科学院上海高等研究院; 上海科技大学; 中国科学院大学
