典型文献
基于Beta分布和半监督学习的非确定性知识图谱嵌入模型
文献摘要：
近年来,面向确定性知识图谱的嵌入模型在知识图谱补全等任务中取得了长足的进展,但如何设计和训练面向非确定性知识图谱的嵌入模型仍然是一个重要挑战.不同于确定性知识图谱,非确定性知识图谱的每个事实三元组都有着对应的置信度,因此,非确定性知识图谱嵌入模型需要准确地计算出每个三元组的置信度.现有的非确定性知识图谱嵌入模型结构较为简单,只能处理对称关系,并且无法很好地处理假负(false-negative)样本问题.为了解决上述问题,该文首先提出了一个用于训练非确定性知识图谱嵌入模型的统一框架,该框架使用基于多模型的半监督学习方法训练非确定性知识图谱嵌入模型.为了解决半监督学习中半监督样本噪声过高的问题,我们还使用蒙特卡洛Dropout计算出模型对输出结果的不确定度,并根据该不确定度有效地过滤了半监督样本中的噪声数据.此外,为了更好地表示非确定性知识图谱中实体和关系的不确定性以处理更复杂的关系,该文还提出了基于Beta分布的非确定性知识图谱嵌入模型 UBetaE,该模型将实体、关系均表示为一组相互独立的 Beta 分布.在公开数据集上的实验结果表明,结合该文所提出的半监督学习方法和 UBetaE模型,不仅极大地缓解了假负样本问题,还在多个任务中明显优于 UKGE等当前最优的非确定性知识图谱嵌入模型.
文献关键词：
知识图谱;非确定性知识图谱嵌入;半监督学习;Beta分布
中图分类号：
作者姓名：
徐遥;何世柱;刘康;张弛;焦飞;赵军
作者机构：
中国科学院 自动化研究所,北京 100190;中国科学院大学,北京 100049;国网天津市电力公司电力科学研究院,天津 300384;中国电力科学研究院有限公司,北京 100192
文献出处：
引用格式：
[1]徐遥;何世柱;刘康;张弛;焦飞;赵军-.基于Beta分布和半监督学习的非确定性知识图谱嵌入模型)[J].中文信息学报,2022(10):54-62
A类：
非确定性知识图谱嵌入,UBetaE,UKGE
B类：
半监督学习,嵌入模型,知识图谱补全,三元组,置信度,模型结构,较为简单,能处,false,negative,一框,多模型,方法训练,蒙特卡洛,Dropout,出模,输出结果,不确定度,噪声数据,相互独立,公开数据集,合该
AB值：
0.109288
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。
