方阳¹,赵翔^1,2,谭真¹,杨世宇³,肖卫东^1,2

¹(国防科技大学信息系统与管理学院 长沙 410073);²(地球空间信息技术协同创新中心(武汉大学) 武汉 430079);³(新南威尔士大学计算机科学与工程学院 澳大利亚悉尼 2052) (fangyang12@nudt.edu.cn)

出版日期: 2018-01-01


基金资助:国家自然科学基金项目(61402494，61402498，71690233)；湖南省自然科学基金项目(2015JJ4009)

A Revised Translation-Based Method for Knowledge Graph Representation

Fang Yang¹, Zhao Xiang^1,2, Tan Zhen¹, Yang Shiyu³, Xiao Weidong^1,2

¹(College of Information System and Management, National University of Defense Technology, Changsha 410073);²(Collaborative Innovation Center of Geospatial Technology (Wuhan University), Wuhan 430079);³(School of Computer Science and Engineering, the University of New South Wales, Sydney, Australia 2052)

Online: 2018-01-01

摘要/Abstract

摘要： 知识图谱在人工智能上有很大的研究价值，并被广泛应用于语义搜索和自动问答等领域.知识图谱表示将包含了实体和关系的大规模知识图谱映射到一个连续的向量空间.为此，有一系列知识表示模型提出，其中基于翻译模型的经典方法TransE不仅模型复杂度低、计算效率高，而且同样具有良好的知识表达能力.但是，TransE亦存在2个缺陷：1)它使用了不够灵活的欧氏距离作为度量，对每一个特征维同等对待，模型的准确性可能受到无关维度的干扰；2)它在处理自反、一对多、多对一和多对多等复杂关系时存在局限性.目前，还没有一种方法能同时解决上述2个缺陷，因此提出一种改进的基于翻译的知识图谱表示方法TransAH.对于第1个缺陷，TransAH采用了一种自适应的度量方法，加入了对角权重矩阵将得分函数中的度量由欧氏距离转换为加权欧氏距离，并实现了为每一个特征维区别地赋予权重.针对第2个缺陷，受TransH方法的启发，TransAH引入面向特定关系的超平面模型，将头实体和尾实体映射至给定关系的超平面加以区分.最后，在公开真实的知识图谱数据集上分析和验证了所提方法的有效性.利用链路预测和三元组分类这2项任务开展了全面横向评测实验，相较于现有的模型和方法，TransAH在各项指标上均取得了很大的进步，体现了其优越性.

参考文献

相关文章 15

[1]	陈可佳, 鲁浩, 张嘉俊. 条件变分时序图自编码器[J]. 计算机研究与发展, 2020, 57(8): 1663-1673.
[2]	曾维新, 赵翔, 唐九阳, 谭真, 王炜. 基于重排序的迭代式实体对齐[J]. 计算机研究与发展, 2020, 57(7): 1460-1471.
[3]	崔员宁, 李静, 沈力, 申扬, 乔林, 薄珏. Duration-HyTE：基于持续时间建模的时间感知知识表示学习方法[J]. 计算机研究与发展, 2020, 57(6): 1239-1251.
[4]	刘昱彤, 吴斌, 白婷. 古诗词图谱的构建及分析研究[J]. 计算机研究与发展, 2020, 57(6): 1252-1268.
[5]	张莹莹, 钱胜胜, 方全, 徐常胜. 基于多模态知识感知注意力机制的问答方法[J]. 计算机研究与发展, 2020, 57(5): 1037-1045.
[6]	董永强, 王鑫, 刘永博, 杨望. 异构YANG模型驱动的网络领域知识图谱构建[J]. 计算机研究与发展, 2020, 57(4): 699-708.
[7]	曾义夫, 牟其林, 周乐, 蓝天, 刘峤. 基于图表示学习的会话感知推荐模型[J]. 计算机研究与发展, 2020, 57(3): 590-603.
[8]	王萌, 王靖婷, 江胤霖, 漆桂林. 人机混合的知识图谱主动搜索[J]. 计算机研究与发展, 2020, 57(12): 2501-2513.
[9]	姚思雨, 赵天哲, 王瑞杰, 刘均. 规则引导的知识图谱联合嵌入方法[J]. 计算机研究与发展, 2020, 57(12): 2514-2522.
[10]	左笑晨,窦志成,黄真,卢淑祺,文继荣. 微博热门话题关联商品品类挖掘[J]. 计算机研究与发展, 2019, 56(9): 1927-1938.
[11]	刘留,王煜尧,倪琦瑄,曹杰,卜湛. 一种基于博弈论的时序网络链路预测方法[J]. 计算机研究与发展, 2019, 56(9): 1953-1964.
[12]	王飞,钱铁云,刘斌,彭智勇. 支持范围查询的低冗余知识图谱管理[J]. 计算机研究与发展, 2019, 56(8): 1758-1771.
[13]	孟绪颖，张琦佳，张瀚文，张玉军，赵庆林. 社交网络链路预测的个性化隐私保护方法[J]. 计算机研究与发展, 2019, 56(6): 1244-1251.
[14]	王硕,王建华,汤光明,裴庆祺,张玉臣,刘小虎. 一种智能高效的最优渗透路径生成方法[J]. 计算机研究与发展, 2019, 56(5): 929-941.
[15]	罗晟,苗夺谦,张志飞,张远健,胡声丹. 基于层次信息粒表示的属性图链接预测模型[J]. 计算机研究与发展, 2019, 56(3): 623-634.

PDF全文下载地址:

https://crad.ict.ac.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3610