科研之友
微信
新浪微博
Facebook
分享链接
摘要
基于知识表示的知识图谱补全方法将实体与关系转化为低维稠密向量，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。该文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。
