改进的Tucker分解知识图谱补全算法

作者：陈恒; 李冠宇; 祁瑞华; 朱毅; 郭旭

来源：数学的实践与认识, 2020, 50(16): 164-176.

• 知识图谱
• 张量分解
• 知识图谱补全
• 链接预测

知识图谱是真实世界三元组的结构化表示.通常,三元组被表示成(头实体,关系,尾实体)的形式.为补全知识图谱中缺失的三元组,提出一种改进的Tucker分解知识图谱补全算法.该算法利用Tucker分解将三阶张量表示的知识图谱分解成一个核心张量与每个mode上因子矩阵的乘积.通过将三阶张量分解成一个核心张量每一维度乘以一个因子矩阵的形式,利用打分函数计算每个三元组的得分,得到每个三元组正确的概率,将正确的三元组添加到知识图谱,对知识图谱进行补全.实验中,采用5个公开数据集WN18RR、FB15K-237、WN18、FB15K和NELL-995进行相关的链接预测实验.实验结果表明,在WN18RR中,平均倒数排名(Mean Reciprocal Rank)比TuckER提高3.1%,Hit@10比TuckER提高1.1%;在FB15K-237中,平均倒数排名(Mean Reciprocal Rank)比TuckER提高3.4%,Hit@3比TuckER提高1.1%;在NELL-995中,平均倒数排名(Mean Reciprocal Rank)比ConvE提高3.3%,Hit@10比ConvE提高2.1%.实验证明改进的Tucker分解算法可以有效提高三元组预测精度.

• 出版日期2020
• 单位大连外国语大学; 大连海事大学