结合自适应增强语义信息的知识图谱补全方法
计算与语言
2023-02-07 v1
摘要
翻译模型在知识图谱补全过程中往往忽略三元组中丰富的语义信息。为弥补这一不足，本文构建了一种融合自适应增强语义信息的知识图谱补全方法。通过微调 BERT 模型获取三元组中固有的隐藏语义信息，并利用注意力特征嵌入方法计算正负三元组中关系与实体间的语义注意力得分，将其融入结构信息中，形成语义信息的软约束规则。该规则被添加到原始翻译模型中，以实现语义信息的自适应增强。此外，该方法考虑了高维向量对效果的影响，并采用 BERT-whitening 方法进行降维，生成更高效的语义向量表示。经实验对比，所提方法在 FB15K 和 WIN18 数据集上均表现更优，与原始翻译模型相比，数值上提升了约 2.6%，验证了该方法的合理性和有效性。
引用
@article{arxiv.2302.02116,
title = {Knowledge Graph Completion Method Combined With Adaptive Enhanced Semantic Information},
author = {Weidong Ji and Zengxiang Yin and Guohui Zhou and Yuqi Yue and Xinru Zhang and Chenghong Sun},
journal= {arXiv preprint arXiv:2302.02116},
year = {2023}
}