首页|基于实体相似性的知识表示学习方法

基于实体相似性的知识表示学习方法

Entity similarity based knowledge graph embedding

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
知识表示学习旨在将知识图谱中的实体和关系表示成低维稠密实值向量,能有效缓解知识图谱的数据稀疏性和显著提升计算效率.然而,现有大多数知识表示学习方法仅将实体视为三元组的一个组成部分,没有考虑实体自身具有的特质,如实体相似性.为了加强嵌入向量的语义表达,提出基于实体相似性的表示学习方法SimE.该方法首先利用实体的结构邻域度量实体的相似性,再将实体的相似性和拉普拉斯特征映射结合作为基于三元组事实的表示学习方法的约束,形成联合表示.实验结果表明,该方法在链接预测和三元组分类等任务上与目前最好的方法性能接近.

文洋、张茂元、周礼全、张洁琼、袁贤其

展开 >

华中师范大学 计算机学院,武汉430079

知识图谱 知识表示学习 结构邻域 实体相似性

YB135-40CCNU19TS019

2021

10.19734/j.issn.1001-3695.2020.05.0119

计算机应用研究
四川省电子计算机应用研究中心

计算机应用研究

CSTPCDCSCD北大核心
影响因子：0.93
ISSN：1001-3695
年,卷(期)：2021.38(4)
  • 1
  • 1