典型文献
基于Triplet注意力的循环卷积神经网络模型
文献摘要：
现有的融合文本或邻居信息的知识补全模型忽略文本和邻居之间的相互作用,难以捕获与实体具有较强语义相关性的信息,加上基于卷积神经网络的模型未考虑实体中的关系相关信息,导致预测性能不佳.因此,文中结合文本信息和拓扑邻居信息,提出基于Triplet注意力的循环卷积神经网络模型.首先,通过语义匹配的方式,选取文本描述中与实体具有较强语义相关性的单词.再与拓扑邻居复合作为实体邻居,增强实体表示.然后,重塑实体的融合表示和关系表示.最后,利用Triplet注意力优化卷积输入,使卷积操作能提取实体中与关系相关的特征,提升模型性能.在多个公开数据集上的链路预测实验表明,文中模型性能较优.
文献关键词：
知识图谱补全;文本信息;拓扑邻居;循环卷积;Triplet注意力
中图分类号：
作者姓名：
汪璟玢;雷晶;张璟璇;孙首男
作者机构：
福州大学 计算机与大数据学院 福州350108
文献出处：
引用格式：
[1]汪璟玢;雷晶;张璟璇;孙首男-.基于Triplet注意力的循环卷积神经网络模型)[J].模式识别与人工智能,2022(02):116-129
A类：
拓扑邻居
B类：
Triplet,循环卷积神经网络,卷积神经网络模型,知识补全,全模型,语义相关性,预测性能,文本信息,语义匹配,文本描述,单词,关系表示,卷积操作,模型性能,公开数据集,链路预测,知识图谱补全
AB值：
0.254705
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。
