计算机科学与探索

作者：尹华, 肖石冉, 陈智全, 胡振生, 龙泳潮

单位：1. 广东财经大学 信息学院，广州 5103202. 广东省智能商务工程技术研究中心，广州 5103203. 中山大学 计算机科学与工程学院，广州 510006

关键词：知识图谱,关系多语义,关系嵌入,聚类

基于知识表示的知识图谱补全方法将实体与关系转化为分布式向量，通过向量计算补全缺失关系。现有的知识表示模型将关系看作单一向量，损失了部分关系语义。而传统关系多语义细分模型由于参数较多，时耗较大难以在大规模知识图谱上应用。提出了一种多语义关系嵌入的知识图谱补全方法（MSRE），在复数域空间中反向计算关系角度向量，基于Mean-Shift构建各关系的语义分量簇，优化RotatE得分函数为语义分量簇中最恰当的关系语义分量得分。该方法在扩充关系表示的同时，保证了三元组运算中的唯一性。在公开数据集FB15K-237、WN18RR上的链路预测和三元组分类的实验结果表明，该方法可以挖掘关系的潜在语义，保持较低的时间复杂度，且在多数指标上相较于主流模型有一定的性能提升。

来源：2023年第2期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2023年第2期