典型文献
基于高斯层次感知的知识图谱链接预测
文献摘要：
传统知识图谱链接预测任务忽略了知识之间可能存在的语义层次以及知识的不确定性,导致链接预测结果不佳.针对该问题,文中提出一种高斯层次感知知识图谱链接预测模型.在该模型中,高斯嵌入部分引入实体和关系的高斯分布信息,以实体分布和关系分布之间的距离来衡量实体之间是否存在链接.词向量嵌入部分将学习到的实体和关系的词向量转换为复向量,将词的复向量映射到极坐标系中建模实体的语义层次,以嵌入向量之间的距离来衡量实体之间是否存在链接.根据D-S证据理论,融合两部分得分函数,从而实现准确的知识图谱链接预测.实验结果表明,该模型可以有效地对知识图中实体的语义层次和不确定性进行建模,并且在现有基准数据集上的效果较优于其他方法.
文献关键词：
人工智能;知识图谱;知识表示;词向量;链接预测;高斯嵌入;极坐标系;D-S证据理论
中图分类号：
作者姓名：
胡雪若白;黄洁;王建涛;李一鸣
作者机构：
战略支援部队信息工程大学 数据与目标工程学院,河南 郑州450000
文献出处：
引用格式：
[1]胡雪若白;黄洁;王建涛;李一鸣-.基于高斯层次感知的知识图谱链接预测)[J].电子科技,2022(12):91-96
A类：
高斯嵌入
B类：
层次感,链接预测,传统知识,语义层次,高斯分布,分布信息,词向量,向量嵌入,向量映射,射到,极坐标系,嵌入向量,证据理论,分得,得分函数,基准数据集,其他方法,知识表示
AB值：
0.259219
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。
