针对Trans D模型参数多和实体两种表示间没有关联的问题，提出一种改进的知识表示模型PTrans D。通过减少实体投影数,并对实体进行聚类来减少参数量，同时利用K-L(Kullback-Leibler)散度限制实体投影和对应实体类，使其概率分布相同。在模型训练时，对三元组损失和K-L损失交替优化，从类间距大的实体类中替换实体，提高负例质量。最后，在知识图谱数据集上进行三元组分类和链接预测实验。结果表明，该模型的性能在各项指标上均有明显提高，可以应用于知识图谱的完善和推理等。
科研之友
微信
新浪微博
Facebook
分享链接
