计算机技术与发展2023，Vol.33Issue(3) ：110-119.DOI:10.3969/j.issn.1673-629X.2023.03.017

基于MpBERT-BiGRU的中文知识图谱补全

Chinese Knowledge Graph Completion Based on MpBERT-BiGRU

田昊 张骁雄 刘文杰 刘浏 刘姗姗 丁鲲
计算机技术与发展2023，Vol.33Issue(3) ：110-119.DOI:10.3969/j.issn.1673-629X.2023.03.017
✕
  • 维普
  • 万方数据

基于MpBERT-BiGRU的中文知识图谱补全

Chinese Knowledge Graph Completion Based on MpBERT-BiGRU

田昊 1张骁雄 2刘文杰 3刘浏 4刘姗姗 2丁鲲2
扫码查看

作者信息

  • 1. 国防科技大学第六十三研究所,江苏南京210007;南京信息工程大学计算机与软件学院,江苏南京210044
  • 2. 国防科技大学第六十三研究所,江苏南京210007
  • 3. 南京信息工程大学计算机与软件学院,江苏南京210044
  • 4. 国防科技大学第六十三研究所,江苏南京210007;宿迁学院,江苏宿迁223800
  • 折叠

摘要

知识补全是提高知识图谱质量的关键技术,为了更好地利用中文知识图谱,该文对中文知识图谱补全进行研究.针对大多数研究聚焦于英文数据集,缺少中文知识补全数据集的情况,在已有数据集的基础上,该文构建了中文UMLS+ownthink数据集.现有知识图谱补全方法大多忽视BERT模型表征能力不足、位置信息学习能力弱的问题,且未考虑中文文本特征复杂、语序依赖性强的特点,因此提出一种名为MpBERT-BiGRU的中文知识图谱补全模型,利用平均池化策略有效缓解BERT模型表征能力弱的问题,并通过BiGRU网络强化特征信息,提高位置信息学习能力;同时将三元组转化为文本序列,结合实体描述信息作为模型的输入,利用背景知识丰富实体信息.链接预测实验结果表明,该方法在平均排名(Mean Rank,MR)指标上相比传统方法提高10.39,前10命中率(Hit@10)指标提高4.63％,验证了模型在中文语料库上的有效性.

关键词

知识图谱补全/池化策略/双向门控循环单元/BERT/链接预测

引用本文复制引用

基金项目

国家自然科学基金(62071240)

国防科技大学校科研计划(ZK20-46)

江苏省高校自然科学研究基金(20KJB413003)

出版年

2023
计算机技术与发展
陕西省计算机学会

计算机技术与发展

CSTPCD
影响因子：0.621
ISSN：1673-629X
参考文献量6
段落导航相关论文