基于噪声过滤的少样本知识图谱补全方法研究

作     者：张睿思 

作者单位：辽宁工程技术大学 

学位级别：硕士

导师姓名：彭晏飞

授予年度：2023年

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）] 

主      题：少样本知识图谱补全 噪声过滤 邻居编码器 度量学习 匹配函数 

摘      要：现有的知识图谱都是不完备的,学者们致力于知识图谱补全的过程中发现大部分的知识图谱补全方法都需要足够多的数据,但是现实生活中的知识图谱中充满了长尾关系。为了解决上述问题,提出了少样本知识图谱补全任务,目的是在只拥有少量数据的情况下,完成知识图谱补全任务。当前少样本知识图谱补全的方法大多是基于实体的邻域信息构造出任务关系表示以完成任务,但是在汇总实体邻域信息时没有考虑到邻域中噪声信息对最终模型的影响,同时也忽略了三元组间信息的交互。为了解决上述问题提出了一种基于噪声过滤的少样本知识图谱补全方法,将少样本知识图谱补全流程分为了三个模块,噪声过滤邻居编码器模块、关系聚合器模块、匹配网络模块。其中噪声过滤邻居编码器模块负责对实体的邻域信息进行编码同时利用门控网路过滤其中的噪声信息;关系聚合器模块中利用Transformer层加深了三元组间信息的交互,也得到了一个更好的任务关系表示;匹配网络模块中受到度量学习的启发,设计了一种匹配函数,它能够求出参考集三元组和查询集三元组间的相似度得分。为了证明所提模型的效果,在少样本知识图谱补全数据集上进行了实验,在Wiki-One数据集上所提模型比基线模型在1、3、5Shot的情况下分别提升了2%、8%和3%,在NELL-One数据集上所提模型比基线模型在5Shot的情况下提升了3.3%。实验结果证明了所提模型的先进性和有效性,此外消融实验也证明了所提模型中每个模块的有效性。该论文有图11幅,表10个,参考文献68篇。