基于结构与文本联合表示的知识图谱补全方法

来源：计算机工程杂志2018年第7期北京时间：

作者：鲍开放,顾君忠,杨静

单位：华东师范大学 计算机科学技术系,上海 200062

摘要：现有的表示学习算法不能很好地表示知识图谱中的复杂关系,且未能充分利用实体的描述文本。为此,建立一种结合文本表示和结构表示的联合表示学习模型。使用深度卷积神经网络对实体的描述文本进行编码得到文本表示,通过引入非对称映射操作的基于翻译思想的模型生成结构表示,将两者进行联合学习从而得到实体和关系表示,同时使用不同的低秩矩阵分别对头实体和尾实体进行映射,使其能更好地表现知识图谱中的复杂关系。实验结果表明,相对文本表示和结构表示的单独训练模型,该模型具有更好的表示性能。

关键词：知识图谱补全,表示学习,深度学习,词向量,知识表示

基金资助：国家科技支撑计划项目(2015BAH01F02)。