利用图形处理器快速完成知识图谱补全

知识图谱可用于问答系统、基于知识的系统等许多与数据语义相关的领域。然而，当前已构建的知识图谱需在关系方面予以补全以获得更好的知识，这被称为知识图谱补全。为利用知识图谱嵌入模型向现有知识图谱添加新关系，我们必须评估 $N\times N \times R$ 次向量运算，其中 $N$ 为实体数量，$R$ 为关系类型数量。此举代价极高。本文提供了一种在 GPU 上利用知识图谱嵌入向量获取新关系的高效知识图谱补全框架。在该框架中，我们首先定义“可变换至度量空间”，随后给出一种将知识图谱补全问题转化为某“可变换至度量空间”模型的相似连接问题的方法。之后，为高效处理相似连接问题，我们利用度量空间的性质推导公式。基于这些公式，我们开发了快速知识图谱补全算法。最后，我们通过实验表明本框架能够高效处理知识图谱补全问题。