改进的TransH模型在知识表示与推理领域的研究

作者：昌攀; 曹扬^*

来源：广西大学学报(自然科学版), 2020, 45(02): 321-327.

DOI：10.13624/j.cnki.issn.1001-7445.2020.0321

• 知识图谱
• 表示
• 推理
• 相似度
• mTransH模型
• 链接预测

针对Trans系列的知识图谱表示与推理模型在训练的过程中,随机构造正负例三元组样本进行训练,没有考虑替换的实体与原实体之间存在的相似度差异度关系,导致模型无法识别实体之间的相似度,效果低下。在TransH模型的构建基础上,采用单层神经网络的非线性操作来精确刻画实体和关系之间的语义信息,同时创新性地加入了正、负三元组之间的头/尾实体之间的差异度信息,用于校正正、负三元组样本之间的联系,使模型能够辨别替换的实体与原实体间的相似度,进而提出了mTransH模型。实验证明:mTransH模型在知识图谱的链接预测任务中,提高了模型对正例样本的辨识度,从而提高知识推理的链接预测准确率。

• 出版日期2020