融合邻域关系和实体的知识图谱补全模型
作者机构：青岛大学计算机科学技术学院
出 版 物：《复杂系统与复杂性科学》 (Complex Systems and Complexity Science)
年 卷 期：2024年
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：教育部人文社会科学规划基金项目(21YJA860001) 山东省自然基金面上项目(ZR2021MG006)
摘 要：鉴于大多数现有的知识图谱补全方法采用独立处理三元组的方式，而忽略邻域关系和实体对中心实体的不同贡献度的问题，提出了REGNN的图神经网络模型。该模型从邻域内的关系和实体中获得的特征信息被嵌入到中心实体的更新中，通过聚合实体和关系特征来丰富中心实体的表征。实验结果显示，与传统的图神经网络模型相比，在FB15K-237数据集上，REGNN模型的MMR和Hits@10指标分别提高了3.3%和1.5%，在WN18RR数据集上分别提高了1.4%和3.6%，从而验证了该模型的有效性。
同方期刊数据库