针对知识图谱稀疏实体间关系缺失和学习效率低的问题,提出了一种改进的知识图谱补全方法I_IterE(improved-iteratively learning embeddings and rules).首先,在IterE模型的表示学习层与规则学习层之间增加了特征层,采用add方法将表示...
详细信息
针对知识图谱稀疏实体间关系缺失和学习效率低的问题,提出了一种改进的知识图谱补全方法I_IterE(improved-iteratively learning embeddings and rules).首先,在IterE模型的表示学习层与规则学习层之间增加了特征层,采用add方法将表示学习层学到的关系特征进行增强,并生成新关系特征;然后,在规则学习层将新的关系特征与改进的评分机制相结合进行公理的分数计算,该分数用于判断公理的可信度;最后,利用高分公理进行演绎推理从而获得与稀疏实体相关的新三元组.采用公共数据集WN18-sparse,WN18RR-sparse,FB15k-sparse和FB15k-237-sparse进行链接预测和规则评估.实验结果表明,该方法在MRR、Hits@n和规则评估指标上均取得较好的提升,将该方法应用到航空安全事件数据集上,在显著提升链接预测效果的同时,为航空安全事件知识图谱的补全提供了方法支撑.
暂无评论