ConvD: 注意力增强的动态卷积嵌入用于知识图谱补全
计算与语言
2025-06-13 v2 人工智能
摘要
知识图谱常面临不完整性问题，可通过信息补全缓解。然而，当前最先进的深度知识卷积嵌入模型依赖外部卷积核和传统卷积过程，限制了模型的特征交互能力。本文提出一种新颖的动态卷积嵌入模型ConvD，直接将关系嵌入重塑为多个内部卷积核。该方法有效增强了关系嵌入与实体嵌入之间的特征交互。同时，我们引入先验知识优化的注意力机制，为动态卷积中的多个关系卷积核分配不同的贡献权重系数，进一步提升了模型的表达能力。在多个数据集上的大量实验表明，我们提出的模型在所有评估指标上持续优于最先进的基线方法，平均提升3.28%至14.69%，同时参数量相比其他最先进模型减少了50.66%至85.40%。
引用
@article{arxiv.2312.07589,
title = {ConvD: Attention Enhanced Dynamic Convolutional Embeddings for Knowledge Graph Completion},
author = {Wenbin Guo and Zhao Li and Xin Wang and Zirui Chen and Jun Zhao and Jianxin Li and Ye Yuan},
journal= {arXiv preprint arXiv:2312.07589},
year = {2025}
}