摘要
针对现有的知识库关系检测任务对于一些不可见关系无法做到准确的向量表示而出现词汇溢出的问题,提出了基于对抗学习和全局知识信息的关系检测模型.该模型使用对抗学习对知识库关系表示模型进行特征强化,使用TransH(translating on hyperplanes)模型提取全局知识信息,同时通过联合训练,将全局知识信息融合进关系表示模型中,进一步提升关系模型的表示能力.实验结果表明,提出的融合模型对于关系检测效果有一定的提升,并且缓解了词汇溢出的问题.
基金项目
国家重点研发计划资助项目(2019YFC1521304)
国家重点研发计划资助项目(2020YFC1523101)
浙江省科技计划项目(2019C03137)
浙江省重点研发计划资助项目(2018C03051)
浙江省重点研发计划资助项目(2021C03140)
石窟寺文物数字化保护国家文物局重点科研基地资助项目()
国家科技期刊平台
NSTL
维普
万方数据