用于知识图谱嵌入的共同与特定特征多过滤器网络
来源：计算机工程与应用杂志2026年第14期北京时间：
作者：何国秋, 蒋廷耀
单位：1.三峡大学 水电工程智能视觉监测湖北省重点实验室，湖北 宜昌 443002；2.三峡大学 计算机与信息学院，湖北 宜昌 443002；
摘要：现有的基于卷积神经网络的知识图嵌入模型通常对知识图中的所有关系和实体采用统一的视角，从而忽略了关系和实体特有的特征，此外当捕获的特征数量显著增加时，不相关的特征可能会遮蔽重要的特征，潜在抑制了表达能力。为了解决这两个问题，提出了用于知识图谱嵌入的共同与特定特征多过滤器网络（ConvCS）。具体来说，通过引入共同特征提取分支和一个并行的关系实体特定特征提取分支，以获得更全面的公共特征与特定关系实体特征信息，并利用多个不同核大小的分支从输入矩阵中学习更丰富的多尺度特征，最后通过协调注意力及门控机制抑制无用特征，增强重要特征。在5个基准数据集上对所提出的模型进行了评估，与对比方法相比，所提出的模型在链路预测方面具有显著的性能改进。
关键词：知识图嵌入（KGE）,链路预测,卷积神经网络（CNN）,协调注意力
基金资助：国家自然科学基金（62172255）。
