典型文献
融合实体类型信息的本体-实例联合学习方法
文献摘要：
对表示知识图谱的本体图和实例图进行联合学习能够提高嵌入学习效率,但不能区别表示实体在不同场景下的不同意义.在嵌入时考虑三元组中实体的关系类型特征,提出一种融合实体类型信息的本体-实例联合学习方法JOIE-TKRL-CT,达到在联合学习中表示多义实体、提高知识图谱嵌入学习效率的目的.在视图内部关系表示上,利用实体分层类型模型融入实体类型信息,在两个独立的嵌入空间中分别表征学习;在视图间关系表示上,将表征在两个独立空间的本体和实例通过非线性映射的方法跨视图链接.基于YAGO26K-906和DB111K-174数据集的实验结果表明,JOIE-TKRL-CT能够准确捕获知识图谱的实体类型信息,提高联合学习模型性能,与TransE、HolE、DisMult等基线模型相比,其在实例三元组补全和实体分类任务上均获得最优性能,具有较好的知识学习效果.
文献关键词：
联合学习;实体多义性;跨视图转换;分层类型模型;三元组补全;实体分类
中图分类号：
作者姓名：
游乐圻;裴忠民;罗章凯
作者机构：
航天工程大学复杂电子系统仿真重点实验室,北京101416
文献出处：
引用格式：
[1]游乐圻;裴忠民;罗章凯-.融合实体类型信息的本体-实例联合学习方法)[J].计算机工程,2022(07):82-88
A类：
JOIE,TKRL,分层类型模型,YAGO26K,DB111K,HolE,DisMult,三元组补全,实体多义性,跨视图转换
B类：
实体类,类型信息,联合学习,嵌入学习,学习效率,同场,不同意,关系类型,类型特征,高知,知识图谱嵌入,关系表示,表征学习,非线性映射,获知,模型性能,TransE,基线模型,实体分类,分类任务,最优性能,知识学习
AB值：
0.206
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。
