-
题名实体结构与语义融合的多层注意力知识表示学习
被引量：1
- 1
-
-
作者
郭一楠
王斌
巩敦卫
于泽宽
-
机构
中国矿业大学信息与控制工程学院
中国矿业大学(北京)机电与信息工程学院
复旦大学工程与应用技术研究院
-
出处
《智能系统学报》
CSCD
北大核心
2023年第3期577-588,共12页
-
基金
国家自然科学基金项目(61973305,52121003)
恒玖(徐州)智能科技有限公司资助项目(2021360001).
-
文摘
基于知识图谱的知识表示学习虽然可以获得实体的结构和关系嵌入,但是缺少对实体描述文本的语义信息利用。此外,随着知识图谱规模的增长,实体和关系的类别与数量,以及实体描述的内容和来源随之增加,实体的文本描述与三元组结构信息之间的对应关系更加难以获得。基于此,本文提出一种实体结构与语义融合的多层注意力知识表示学习方法,通过构建多层注意力机制,将实体的结构嵌入用于增强实体描述中的语义表达,再通过Transformer模型获取实体描述的语义关系,并采用关系的结构嵌入对其增强和整合,最后利用整合后的语义关系对关系嵌入集合加以丰富和整合。特别是,构建了面向实体结构与语义融合多层注意力机制的损失函数。实验结果表明,本文所提方法能有效推理包含复杂实体描述的实体之间隐藏链路关系,在三元组分类任务中具有比同类方法更准确的分类精度。
-
关键词
知识表示学习
实体结构嵌入
语义信息
注意力机制
知识图谱
知识推理
复杂实体描述
TRANSFORMER
-
Keywords
knowledge representation learning
entity structure embedding
semantic information
attention mechanism
knowledge graph
knowledge reasoning
complex entity description
Transformer
-
分类号
TP305
[自动化与计算机技术—计算机系统结构]
-
