基于元学习的小样本知识图谱补全
Few-Shot Knowledge Graph Completion Based on Meta Learning作者机构：吉林大学计算机科学与技术学院长春130012 吉林大学符号计算与知识工程教育部重点实验室长春130012
出 版 物：《吉林大学学报（理学版）》 (Journal of Jilin University:Science Edition)
年 卷 期：2023年第61卷第3期
页 面：623-630页
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：国家自然科学基金(批准号:61872163,61806084) 吉林省科技厅重点科技研发项目(批准号:20210201131GX)
主 题：知识图谱补全 元学习 Transformer编码器 卷积神经网络 知识图谱嵌入
摘 要：以元学习为核心思想,结合卷积神经网络和Transformer编码器构建一个三阶段表示学习模型.为表达参考集中实体与任务关系之间的相互作用,使用卷积神经网络获取关系元,应用Transformer编码器增强查询集中的实体表示,并设计了用于计算不完全三元组匹配度得分的处理器,以解决小样本知识图谱补全问题,即大规模知识图谱较稀疏,而其中出现频率较低的长尾关系对应的实体对数量较多的现象.在数据集NELL-One和Wiki-One上的实验结果表明,该模型对大规模知识图谱中长尾关系对应的头尾实体的预测效果较好,可实现知识图谱中实体和关系的高效特征表示生成和缺失实体补全.
维普期刊数据库
同方期刊数据库