基于交互式连接图注意力网络的知识图谱补全方法

作     者：陆以勤 潘周双 张洋 覃健诚 黄方 LU Yiqin;PAN Zhoushuang;ZHANG Yang;QIN Jiancheng;HUANG Fang

作者机构：华南理工大学电子与信息学院广东广州510640 华南理工大学计算机科学与工程学院广东广州510006 

出 版 物：《华南理工大学学报（自然科学版）》 (Journal of South China University of Technology(Natural Science Edition))

年 卷 期：2022年第50卷第12期

页      面：13-19页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：广东省重点领域研发计划项目(2019B010137001 2020B0101120002 2018B010113001) 

主　　题：知识图谱 图注意力网络 图神经网络 交互式连接 

摘      要：知识图谱为许多智能信息服务应用提供了底层支持,包括智能搜索、公共安全、金融、医疗等领域,但现有的知识图谱通常是不完整的,知识图谱补全已经成为亟需解决的问题。现有的知识图谱补全方法忽略了邻居节点以及关系所富含的重要信息,往往只是简单地将邻居节点和关系拼接起来,忽略了不同关系和邻居节点对于节点有着不同的重要性。为此,文中提出了一种基于交互式连接图注意力网络的知识图谱补全方法(ICGAT)。该方法首先通过寻找两跳邻居节点,挖掘出潜在可能的关系,扩充每个节点的三元组;然后将每个三元组中的关系与节点的特征融合,并且采用节点与邻居节点交互式连接的方法,用4个空间向量来表示交互式连接的关系;最后将交互式连接的向量输入图注意力网络,得到关系和邻居节点对该节点的权重,以此说明其重要性。为了有效地表示一对多、多对多等复杂关系的三元组,该方法使用RotatE模型作为预训练模型。在链接预测任务中的实验结果表明,ICGAT方法在WN18RR和FB15k-237数据集中的平均排名(MR)和排名前10命中率(HR@10)均有一定的提升,说明ICGAT能够提高链接预测任务的准确性。