典型文献
基于知信图卷积神经网络的开放域知识图谱自动构建模型
文献摘要：
解决多源知识对齐和知识冗余问题是在开放数据域自动构建知识图谱的关键.建立一种融合知信学习与深度学习的知识图谱自动构建模型.分析图卷积神经网络(GCN)模型与知信学习之间的理论联系,以先验知识与深度学习相结合的方式构建实体语义联合空间,将先验知识对模型的干预形式化,并利用自动编码器实现一个细粒度的实体对齐和关系抽取模型.同时,采用GCN与多头注意力相结合的方式,缓解因结构数据中多跳推理造成实体依赖信息丢失的影响.在开源数据集SemEval、FB15k和收集整理的MD数据集上的实验结果表明,该模型针对关系抽取、实体对齐和三元组抽取任务的F1值分别达到89.5％、86.6％和84.2％,较BERT-Softmax模型分别提升了0.3、2.4和0.3个百分点,具有更好的信息学习能力.
文献关键词：
开放数据域;知识图谱;知信学习;图卷积神经网络;注意力机制
中图分类号：
作者姓名：
孙亚茹;杨莹;王永剑
作者机构：
公安部第三研究所,上海 201204
文献出处：
引用格式：
[1]孙亚茹;杨莹;王永剑-.基于知信图卷积神经网络的开放域知识图谱自动构建模型)[J].计算机工程,2022(10):116-122
A类：
开放数据域,知信学习
B类：
图卷积神经网络,自动构建,构建模型,多源知识,知识对齐,知识冗余,析图,GCN,先验知识,形式化,自动编码器,细粒度,实体对齐,关系抽取,取模,多头注意力,多跳推理,信息丢失,开源数据集,SemEval,FB15k,收集整理,MD,三元组抽取,BERT,Softmax,百分点,信息学习,注意力机制
AB值：
0.310005
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。
