登录 | 注册 | 退出 | 公司首页 | 繁体中文 | 满意度调查
综合馆
基于符号语义映射的知识图谱表示学习算法
  • 摘要

    图的分布式表示对于知识图谱的构建与应用任务至关重要,通过对当前流行的图表示学习模型进行比较,分析了现有模型存在的不合理之处,据此提出了一个基于符号语义映射的神经网络模型用于学习图的分布式表示,基本思想是依据知识图谱中已有的实体关系数据,采用循环神经网络对符号组合(实体-关系组合)进行语义编码,并将其映射到目标符号(实体)上.此外,通过为图中的每个关系类型引入一个逆关系镜像,解决了关系的非对称性问题,使模型能够适应多种不同类型的(同构或异构)网络的关系推理任务.该模型适用于大规模知识图谱的表示学习任务.在公开数据集上的实验结果表明,该模型在知识图谱扩容任务和基于图的多标签分类任务上的性能表现优于相关工作.

  • 作者

    杨晓慧  万睿  张海滨  曾义夫  刘峤  Yang Xiaohui  Wan Rui  Zhang Haibin  Zeng Yifu  Liu Qiao 

  • 作者单位

    电子科技大学信息与软件工程学院 成都610054;中电科大数据研究院有限公司 贵阳 550008/电子科技大学信息与软件工程学院 成都610054

  • 刊期

    2018年8期 ISTIC EI PKU

  • 关键词

    表示学习  图嵌入学习  推理  链路预测  多标签分类  知识图谱 

相似文献 查看更多>>
3.235.29.190