摘要

为准确表征知识图谱中实体与关系属性的关系,提出一种改进的胶囊网络知识图谱补全方法。将表示多关系数据的三元组转换为矩阵的形式与多个过滤器进行卷积,产生不同特征图并重构为相应的胶囊,每个胶囊代表一组神经元。在此基础上,通过路由操作产生维度较小的胶囊,生成连续向量并将其与权重向量做点积运算,构建评分函数用于判断三元组的正确性。采用公开数据集WN18RR、FB15K-237、FB15K分别进行链接预测和三元组分类实验,结果表明,与DistMult、ComplEx、ConvE等模型相比,该算法链接预测性能较优,与TransE、TransH、TransR等模型相比,其三元组分类准确率达到91.5%,具有显著优势。

全文