陈晓文;崔德龙;李双源;彭志平;李奇瑞;何杰光 一种基于信息选择的特征交互知识图完成算法。 （英语） 兹比尔1518.68369 J.非线性凸分析。 24，第8期，1683-1699（2023）. 摘要：知识图完成的任务是从知识图中的现有数据推断缺少的事实。目前，大多数领域知识完成模型都对实体和关系之间的关系进行建模。研究发现，增强实体和关系之间的特征交互可以提高完成性能。然而，大多数特征交互模型依赖于特征的重组，这具有一系列缺点，包括交互建模不足和空间结构信息受损。此外，知识图中特征的重要程度很容易被忽略。为了解决上述问题，本文提出了一种基于信息选择的特征交互知识图完成算法。提出的知识图模型G-FiBiNet结合了门结构和双线性特征交互，可以动态学习特征的重要程度，并对细粒度特征交互进行建模。门控机制用于从特征中选择重要信息（即信息选择），而双线性结构增加了实体和关系之间的特征融合，从而提高了模型的表示能力和知识图的完成性能。结果表明，所提出的G-FiBiNet模型在知识图完成任务中取得了显著的性能。 MSC公司： 68立方英尺 知识表示 68T05型 人工智能中的学习和自适应系统 关键词：知识图完成;美国有线电视新闻网;特征交互;链路预测 PDF格式BibTeX公司 XML格式引用 \textit{X.Chen}等人，J.非线性凸分析。24，第8号，1683-1699（2023；Zbl 1518.68369） 全文： 链接