科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对实体邻域三元组缺少联系的问题，提出基于关系生成图注意力网络(RGGAT)的知识图谱链接预测方法.利用不同类型的关系生成相应的注意力机制参数，邻域三元组按照关系类型使用对应的参数计算注意力系数.实体通过聚合以关系为主导的邻域三元组信息得到更丰富的嵌入向量.在训练过程中对编码器和解码器进行共同训练，将编码器更新的实体向量和关系向量直接输入到解码器中，保证编码器和解码器训练目标一致.在3个公开数据集上进行链接预测实验，对比实验选用目前主流的5个模型作为基线. RGGAT方法在3个数据集上的Hits@10能达到0.519 8、0.510 4和0.973 9，高于传统图注意力网络嵌入方法的.在邻域聚合阶数对比实验中，1阶关系邻域聚合的方法相比2阶关系在Hits@10上提升3.59%.
-
单位浙江工业大学; 中国移动通信集团浙江有限公司杭州分公司
