典型文献
基于图对比注意力网络的知识图谱补全
文献摘要：
知识图谱(KG)补全旨在通过知识库中已知三元组来预测缺失的链接.由于大多数方法都是独立地处理三元组,而忽略了知识图谱所具有的异质结构和相邻节点中固有的丰富的信息,导致不能充分挖掘三元组的特征.考虑基于端到端的知识图谱补全任务,提出了一种图对比注意力网络(GCAT),通过注意力机制同时捕获局部邻域内实体和关系的特征,并封装实体邻域上下文信息.为了有效封装三元组特征,引入一个子图级别的对比训练对象用于增强生成的实体嵌入的质量.为了验证GCAT的有效性,在链接预测任务上评估了所提方法,实验结果表明,在数据集FB15k-237中,MRR比InteractE提高0.005,比A2N模型提高0.042;在数据集WN18RR中,MRR比InteractE提高0.019,比A2N模型提高0.032.实验证明提出的GCAT模型能够有效预测知识图谱中缺失的链接.
文献关键词：
知识图谱(KG);注意力机制;对比学习;知识图谱补全;链接预测
中图分类号：
作者姓名：
刘丹阳;方全;张晓伟;胡骏;钱胜胜;徐常胜
作者机构：
郑州大学 河南先进技术研究院,郑州450000;中国科学院自动化研究所 模式识别国家重点实验室,北京100190
文献出处：
引用格式：
[1]刘丹阳;方全;张晓伟;胡骏;钱胜胜;徐常胜-.基于图对比注意力网络的知识图谱补全)[J].北京航空航天大学学报,2022(08):1428-1435
A类：
GCAT,InteractE,A2N
B类：
注意力网络,知识图谱补全,KG,知识库,三元组,立地,异质结构,点中,中固,端到端,注意力机制,局部邻域,封装,实体邻域,上下文信息,子图,强生,实体嵌入,链接预测,FB15k,MRR,WN18RR,测知,对比学习
AB值：
0.288113
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。
