| 融合文本和路径语义的知识图谱嵌入学习模型 |
| |
| 引用本文： | 肖宝,韦丽娜,李璞,蒋运承.融合文本和路径语义的知识图谱嵌入学习模型[J].华南师范大学学报(自然科学版),2020,52(6):103-112. |
| |
| 作者姓名： | 肖宝 韦丽娜 李璞 蒋运承 |
| |
| 作者单位： | 1.北部湾大学电子与信息工程学院，钦州 535011 |
| |
| 基金项目： | 钦州市科学研究与技术开发计划;广西壮族自治区项目;国家自然科学基金 |
| |
| 摘 要： | 针对现有的融合文本和路径信息的模型未能充分挖掘和利用文本与路径语义的问题，提出了新的知识图谱嵌入学习模型(GETR模型):首先, 利用LDA丰富实体描述文本语义并用TWE获取词和主题向量，采用Bi-LSTM模型把词和主题向量编码融入实体向量表示中，以增强结点的语义表达能力；其次，设计了以组合PageRank和余弦相似度算法为策略的随机游走算法，以获取实体间的多步路径，并利用自注意力机制捕获路径的重要语义融入到翻译模型中进行联合训练，从而达到有效过滤路径中的噪声和提高模型效率的目的.最后，在数据集FB15K、FB20K和WN18上，对GETR、TransE、DKRL、TKGE模型进行知识补全和实体分类任务的评测，结果表明:GETR模型具有更好的性能表现，是一种更加高效的知识表示方法.
|
| 关 键 词： | 知识图谱嵌入 随机游走 自注意力机制 多步路径 实体描述文本 |
| 收稿时间： | 2020-02-25 |
The Model of Knowledge Graph Embedding with Text and Relation Path |
| |
| Institution: | 1.School of Electronics and Information Engineering, Beibu Gulf University, Qinzhou 535011, China2.School of Computer Science, South China Normal University, Guangzhou 510631, China3.Software Engineering College, Zhengzhou University of Light Industry, Zhengzhou 450000, China4.School of Information Science and Engineering, Guangxi University for Nationalities, Nanning 530006, China |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《华南师范大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《华南师范大学学报(自然科学版)》下载免费的PDF全文 |
|
