科研之友
微信
新浪微博
Facebook
分享链接
摘要
知识图谱补全旨在发现充分表达实体和关系语义关联的模型，从而依据已知实体和关系预测三元组中的缺失部分.InteractE是一种基于卷积神经网络的嵌入模型，通过棋盘结构重组实体和关系嵌入元素，增加实体和关系之间的特征交互信息从而表达实体和关系间更丰富的语义，提升知识图谱补全效果.然而棋盘结构增强特征交互的同时打乱实体和关系嵌入的空间结构信息，针对该问题，提出了一种改进InteractE的知识图谱补全方法——IntSE.IntSE采用SENet筛选InteractE特征映射中对知识图谱补全有益的特征通道信息，并抑制无用的特征通道信息，从而提升知识图谱补全效果.为了使得SENet更适用知识图谱补全任务，进一步改进SENet的门机制.在公开数据集FB15k-237和WN18RR上进行知识图谱补全实验，结果表明IntSE的性能较InteractE有一定提升，IntSE优于主流基于卷积神经网络的嵌入模型.
- 单位
