MDistMult：一种用于抗病毒药物知识图谱链接预测的多评分函数模型
计算机与社会
2021-11-30 v1 人工智能
摘要
为加速 COVID-19 的研究进程，已构建针对 COVID-19 的知识图谱（KGs）。然而，知识图谱总是不完整的，尤其是新构建的 COVID-19 知识图谱。链接预测任务旨在为 (e, r, t) 或 (h, r, e) 预测缺失实体，其中 h 和 t 为已知实体，e 为待预测实体，r 为关系。该任务也有潜力解决 COVID-19 相关知识图谱的不完整问题。尽管已提出多种知识图谱嵌入（KGE）方法用于链接预测任务，但这些现有方法受限于使用单一评分函数，无法捕捉 COVID-19 知识图谱的丰富特征。本工作中，我们提出 MDistMult 模型，利用多个评分函数从已有三元组中提取更多特征。我们在 CCKS2020 COVID-19 抗病毒药物知识图谱（CADKG）上进行实验。实验结果表明，我们的 MDistMult 在 CADKG 数据集的链接预测任务上取得了最先进的（state-of-the-art）性能。
引用
@article{arxiv.2111.14480,
title = {MDistMult: A Multiple Scoring Functions Model for Link Prediction on Antiviral Drugs Knowledge Graph},
author = {Weichuan Wang and Zhiwen Xie and Jin Liu and Yucong Duan and Bo Huang and Junsheng Zhang},
journal= {arXiv preprint arXiv:2111.14480},
year = {2021}
}
备注
8 pages, 2021 IEEE International Conference on Data, Information, Knowledge and Wisdom