声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-1777/TP
国际刊号：1000-1239
发布日期:
作者：杜治娟,杜治蓉,王璐,
关键词：知识图谱, 表示学习, 开放世界假设, 邻居, 语义亲和力,
知识图谱(knowledgegraph，KG)打破了不同场景下的数据隔离，为实际应用提供基础支持.表示学习将KG转换到低维向量空间来为KG应用提供便利.然而，KG的表示学习目前存在2个问题：1)假设KG满足闭合世界假设，要求所有实体在训练中可见.实际上，大多数KG都在快速增长，例如DBPedia平均每天产生200个新实体.2)采用矩阵映射、卷积等复杂的语义交互方式提高模型的准确性，这样做也限制了模型的可扩展性.为此，针对允许新实体存在的开放KG，提出一种表示学习方法TransNS.它选取相关的邻居作为实体的属性来推断新实体，并在学习阶段利用实体之间的语义亲和力选择负例三元组来增强语义交互能力.5个传统数据集和8个新数据集对比了TransNS与最经典的表示学习方法，结果表明：TransNS在开放KG上表现良好，甚至在基准闭合KG上优于现有模型.
来源：2019年第12期
《计算机研究与发展》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。