文摘知识图谱(knowledge graph,KG)中实体间缺失关系的补全,是目前KG领域研究的热点之一。随着Web2.0的快速发展,用户生成数据(user-generated data,UGD)中体现出来的实体间的关联关系是KG所描述知识的有益补充。目前基于路径的KG知识推理方法,由于存在稀疏或者错误实体关系,且连通性差,从而导致实体间关系抽取不准确。针对该问题,提出一种借助UGD中实体间关联关系来补全KG的方法。首先从UGD出发,使用互信息来计算实体节点间的关联关系,从而构建实体节点关联图(entity association graph,EAG);然后给出关联影响叠加方法来定量计算EAG中互不相邻实体间的潜在关联关系,从而得到一个关联影响值;最后对不相邻的实体节点之间的多个关联影响值再次进行叠加计算,从而判断实体间是否存在强的潜在关联关系,实现KG的补全。建立在真实数据之上的实验结果表明,所提方法对KG的补全是有效的。
