典型文献
融合语义解析的知识图谱表示方法
文献摘要：
为解决大多数知识图谱表示学习模型仅使用三元组信息的问题,提出融合语义解析的知识图谱表示模型BERT-PKE.模型利用实体和关系的文本描述,通过BERT的双向编码表示进行语义解析,深度挖掘语义信息.由于BERT训练代价昂贵,提出一种基于词频和k近邻的剪枝策略,提炼选择文本描述集.此外,由于负样本的构造影响了模型的训练,提出2种改进随机抽样的策略:一种是基于实体分布的负采样方法,以伯努利分布概率来选择替换的实体,该方法可以减少负采样引起的伪标记问题;另一种是基于实体相似性负采样方法,首先用TransE将实体嵌入到向量空间,使用k-means聚类算法将实体进行分类.通过同簇实体的相互替换可获得高质量的负三元组,有利于实体的特征学习.实验结果表明,所提出BERT-PKE模型与TransE,KG-BERT,RotatE等相比,性能有显著提升.
文献关键词：
知识图谱表示学习;BERT模型;语义解析;负采样;剪枝
中图分类号：
作者姓名：
胡旭阳;王治政;孙媛媛;徐博;林鸿飞
作者机构：
大连理工大学计算机科学与技术学院,辽宁大连 116024
文献出处：
引用格式：
[1]胡旭阳;王治政;孙媛媛;徐博;林鸿飞-.融合语义解析的知识图谱表示方法)[J].计算机研究与发展,2022(12):2878-2888
A类：
B类：
合语,语义解析,表示方法,知识图谱表示学习,三元组,表示模型,BERT,PKE,文本描述,编码表示,深度挖掘,语义信息,昂贵,词频,近邻,剪枝,构造影响,随机抽样,负采样,采样方法,伯努利分布,分布概率,先用,TransE,实体嵌入,向量空间,means,聚类算法,互替,特征学习,KG,RotatE
AB值：
0.367755
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。
