-
题名基于句子转换和双注意力机制的归纳关系预测
- 1
-
-
作者
李卫军
刘雪洋
刘世侠
王子怡
丁建平
苏易礌
-
机构
北方民族大学计算机科学与工程学院
北方民族大学图形图像智能处理国家民委重点实验室
-
出处
《计算机应用研究》
北大核心
2025年第6期1742-1748,共7页
-
基金
宁夏高等学校科学研究项目(NYG2024086)
宁夏自然科学基金资助项目(2021AAC03215)
+2 种基金
中央高校科研资助项目(2022PT_S04,2021JCYJ12)
国家自然科学基金资助项目(62066038,61962001)
北方民族大学研究生创新项目(YCX24127)。
-
文摘
关系预测是知识图谱补全中的一项重要任务,旨在预测实体之间缺失的关系。现有归纳关系预测方法通常面临语义信息和结构信息建模不足的问题,因此提出了一种基于句子转换和双注意力机制的归纳关系预测模型。该方法通过自动化检索描述增强了实体语义表示,并引入边缘感知和关系感知的双注意力机制,以准确建模实体间的复杂交互。首先提取目标三元组的封闭子图,结合随机行走寻径策略寻找多跳关系路径,并将三元组和路径转换为自然语言句子,生成语义丰富的句子嵌入;然后采用GCN和双向GRU进行子图嵌入更新,结合句子嵌入和子图嵌入以捕获结构和语义信息。在WN18RR、FB15k-237、NELL-995三个公开数据集上的实验结果表明,提出方法在转换和归纳关系预测任务中的性能优于现有方法,验证了双注意力机制和句子转换在提升模型性能中的重要性,有效地提升了知识图谱中关系预测的准确性和效率。
-
关键词
知识图谱
归纳关系预测
句子转换
双注意力机制
随机行走寻径策略
-
Keywords
knowledge graph(KG)
inductive relation prediction
sentence Transformer
dual attention mechanism
random walk pathfinding strategy
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
