摘要
大多数知识图谱补全模型是将信息转变为便于处理的静态三元组,忽略了实体和关系在不同语义条件下的动态属性和信息,导致模型分析和发现上下文信息的能力存在不足.为此,提出了动态分配注意力得分的知识图谱补全模型(DASKGC),该模型能够为每个实体和关系自适应调整匹配度得分.用邻居信息交互编码器来获取实体在不同语义下的角色信息,用路径匹配处理的方法来获取实体间的准确关系,通过损失函数来更新三元组在不同语义下的相关性分数.实验结果表明:所提出的DASKGC在数据集Nell-995 上的MMR值为 89.5%,在数据集DDB14 和FB15 K-237 上Hits@1 分别为 93.9%和 92.4%,其他的 Hits指标也有良好的表现.
基金项目
重庆市基础研究重点项目(cstc2018jcyjBX0113)
国家科技期刊平台
NSTL
万方数据