计算机应用

作者：余晓鹏, 何儒汉, 黄晋, 张俊杰, 胡新荣

单位：1.纺织服装智能化湖北省工程研究中心（武汉纺织大学），武汉 430200；2.武汉纺织大学 计算机与人工智能学院，武汉 430200；3.湖北省服装信息化工程技术研究中心（武汉纺织大学），武汉 430200

关键词：知识图谱嵌入,特征交互,Inception,混合空洞卷积,残差学习,链接预测

基金：湖北省教育厅科学技术研究计划重点项目(20141603)

知识图谱嵌入（KGE）将实体和关系映射到低维连续向量空间中，以利用机器学习方法实现关系数据的应用，如知识分析、推理、补全等。以ConvE为代表将卷积神经网络（CNN）应用于知识图谱嵌入中，以捕捉实体和关系的交互信息，但其标准卷积捕捉特征交互信息能力不足，特征表达能力低下。针对特征交互能力不足问题，提出了一种改进的Inception结构，在此基础上构建一个知识图谱嵌入模型InceE。首先，该结构使用混合空洞卷积替代标准卷积，以提高特征交互信息捕捉能力；其次，使用残差网络结构，以减少特征信息丢失。实验使用基准数据集Kinship、FB15k、WN18验证InceE链接预测有效性。在Kinship、FB15k数据集上，相较于ArcE和QuatRE模型，InceE的Hit@1分别提升了1.6和1.5个百分点；在三个数据集上，与ConvE对比，InceE的Hit@1分别提升了6.3、20.8和1.0个百分点。实验结果表明InceE具有更强的特征交互信息捕捉能力。

来源：2022年第4期

《计算机应用》期刊编辑部

查看计算机应用杂志2022年第4期