计算机科学››2024,第51卷››问题(5): 223-231.数字对象标识:10.11896/jsjkx.230200012
•人工智能• 以前的文章 下一篇文章
杨旭华、张连、叶磊
收到:
修订过的:
在线:
出版:
关于作者:
支持单位:
摘要:知识图在构建过程中需要面对复杂的现实世界信息,并且不能对所有知识进行建模,因此需要完成。真实知识图中的许多关系通常只有很少的实体对用于训练。因此,少快照知识图的完成是一个非常重要的问题。目前,基于嵌入的方法一般通过注意机制或其他方法来聚合实体上下文信息,并通过学习关系嵌入来完成知识图。这些方法只考虑了关系级的匹配度。虽然它们可以预测未知关系,但结果往往不准确。因此,提出了一种自适应上下文匹配网络(ACMN),用于完成少量快照的知识边图。首先,提出一种公共邻域感知编码器来聚合参考上下文,即一跳邻域实体,并获得公共邻域认知嵌入。其次,提出了一种与任务相关的实体编码器,用于挖掘任务实体上下文和公共上下文之间的相似性信息,区分一跳邻居对当前任务的贡献,并增强任务实体表示。然后,提出了一种上下文解析编码器来获取动态关系表示。最后,通过加权求和,综合考虑实体上下文和关系的匹配程度,完成该任务。ACMN从实体上下文相似度和关系匹配两个方面综合评估查询三元组是否成立,可以有效提高在少数场景下的预测精度。与其他八种在两个公共数据集上广泛使用的算法相比,ACMN在不同快照大小的情况下获得了最佳的完成结果。
关键词: 图形竞赛, 很少有射门学习, 实体上下文, 关系预测, 表征学习
CLC编号:
杨旭华,张连,叶磊。基于自适应上下文匹配网络的少快照知识图补全[J]。计算机科学,2024,51(5):223-231。
0 / / 推荐
添加到引文管理器 尾注|样板客户经理|ProCite公司|BibTeX公司|参考Works
网址: https://www.jsjkx.com/EN/10.11896/jsjkx-230200012
https://www.jsjkx.com/EN/Y2024/V51/I5/223
引用