典型文献
关系生成图注意力网络的知识图谱链接预测
文献摘要：
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0.5198、0.5104和0.9739,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％.
文献关键词：
知识图谱;图注意力网络;实体邻域;关系生成参数;链接预测
中图分类号：
作者姓名：
陈成;张皞;李永强;冯远静
作者机构：
浙江工业大学 信息工程学院,浙江 杭州 310023;中国移动通信集团浙江有限公司杭州分公司,浙江 杭州 310006
文献出处：
引用格式：
[1]陈成;张皞;李永强;冯远静-.关系生成图注意力网络的知识图谱链接预测)[J].浙江大学学报（工学版）,2022(05):1025-1034
A类：
RGGAT,关系生成参数
B类：
成图,图注意力网络,链接预测,实体邻域,三元组,注意力机制,关系类型,参数计算,嵌入向量,训练过程,编码器,解码器,实体向量,公开数据集,Hits,网络嵌入,邻域聚合,阶数
AB值：
0.219697
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
