典型文献
结合时间映射和卷积神经网络的知识补全
文献摘要：
现有知识库存在大量缺失事实且事实常携带时间信息.针对主流嵌入表示方法在知识补全时常忽略时间维度的问题,设计一种时间敏感的三元组嵌入表示方法TSKGC(time sensitive knowledge graph completion).通过为时间戳分配超平面,将时序信息合并到实体关系空间中,并进一步将映射后三元组的3列k维矩阵表示用作卷积神经网络的输入,在不同超平面对应的多通道中并行处理,提取三元组特征用于知识补全.在YAGO11k和Wikidatal2k数据集上的实验证明,TSKGC具备一定的时间预测能力,并能有效利用时间信息提高链路预测的性能表现,特别在1-M、M-1和M-M复杂关系类型上相比主流模型具备一定优势.
文献关键词：
知识表示;知识图谱补全;时间嵌入;CNN;链路预测
中图分类号：
作者姓名：
陈新元;谢晟祎;陈庆强;刘羽
作者机构：
闽江学院计算机与控制工程学院,福建福州350121;福州墨尔本理工职业学院信息工程系,福建福州350121;福建农业职业技术学院实验实训中心,福建福州350300;福建工程学院信息科学与工程学院,福州350118;福州墨尔本理工职业学院现代教育技术中心,福建福州350121
文献出处：
引用格式：
[1]陈新元;谢晟祎;陈庆强;刘羽-.结合时间映射和卷积神经网络的知识补全)[J].成都信息工程大学学报,2022(01):55-61
A类：
TSKGC,YAGO11k,Wikidatal2k
B类：
知识补全,知识库,库存,失事,时间信息,流嵌入,嵌入表示,表示方法,时间维度,时间敏感,三元组,sensitive,knowledge,graph,completion,过为,时间戳,超平面,时序信息,并到,实体关系,关系空间,矩阵表示,多通道,并行处理,征用,时间预测,预测能力,链路预测,复杂关系,关系类型,流模型,知识表示,知识图谱补全,时间嵌入
AB值：
0.419454
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。
