典型文献
基于改进Inception结构的知识图谱嵌入模型
文献摘要：
知识图谱嵌入(KGE)将实体和关系映射到低维连续向量空间中,以利用机器学习方法实现关系数据的应用,如知识分析、推理、补全等.以ConvE为代表将卷积神经网络(CNN)应用于知识图谱嵌入中,以捕捉实体和关系的交互信息,但其标准卷积捕捉特征交互信息能力不足,特征表达能力低下.针对特征交互能力不足问题,提出了一种改进的Inception结构,在此基础上构建一个知识图谱嵌入模型InceE.首先,该结构使用混合空洞卷积替代标准卷积,以提高特征交互信息捕捉能力;其次,使用残差网络结构,以减少特征信息丢失.实验使用基准数据集Kinship、FB15k、WN18验证InceE链接预测有效性.在Kinship、FB15k数据集上,相较于ArcE和QuatRE模型,InceE的Hit@1分别提升了1.6和1.5个百分点;在三个数据集上,与ConvE对比,InceE的Hit@1分别提升了6.3、20.8和1.0个百分点.实验结果表明InceE具有更强的特征交互信息捕捉能力.
文献关键词：
知识图谱嵌入;特征交互;Inception;混合空洞卷积;残差学习;链接预测
中图分类号：
作者姓名：
余晓鹏;何儒汉;黄晋;张俊杰;胡新荣
作者机构：
纺织服装智能化湖北省工程研究中心(武汉纺织大学),武汉430200;武汉纺织大学计算机与人工智能学院,武汉430200;湖北省服装信息化工程技术研究中心(武汉纺织大学),武汉430200
文献出处：
引用格式：
[1]余晓鹏;何儒汉;黄晋;张俊杰;胡新荣-.基于改进Inception结构的知识图谱嵌入模型)[J].计算机应用,2022(04):1065-1071
A类：
ConvE,InceE,Kinship,ArcE,QuatRE
B类：
Inception,知识图谱嵌入,嵌入模型,KGE,关系映射,射到,低维,向量空间,机器学习方法,关系数据,知识分析,补全,交互信息,标准卷积,特征交互,信息能力,特征表达,表达能力,交互能,不足问题,混合空洞卷积,捕捉能力,残差网络结构,特征信息,信息丢失,基准数据集,FB15k,WN18,链接预测,Hit,百分点,残差学习
AB值：
0.270325
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。
