知识表示增强的多模态知识图谱补全方法

来源：计算机工程与应用杂志2026年第13期北京时间：

作者：康雪娟, 顾记清, 彭静, 王铁军

单位：成都信息工程大学 计算机学院，成都 610225；

摘要：多模态知识图谱补全通过联合建模三元组结构和实体多模态特征，实现了对潜在事实知识的自动推理。针对现有方法在跨模态信息交互和负样本质量方面的不足，提出了一种融合对比学习与注意力机制的多模态生成对抗网络框架（multi-modal generative adversarial network framework that integrates contrastive learning and an attention mechanism， CA-MGAN）。该框架的创新性体现在三个方面：（1）提出基于对比学习的多模态负采样方法，通过建立正负样本的语义距离度量准则增强负样本区分性；（2）设计基于注意力机制的多模态融合模块，实现上下文感知的模态间特征权重动态分配；（3）构建多模态生成对抗生成网络，通过模态独立和联合的对抗训练优化负样本质量。在MKG-W、MKG-Y和DB15K数据集上的实验表明，CA-MGAN框架在Hit@1指标上较最优基准模型分别提升了1.29%、3.62%和3.35%，验证了其在知识图谱补全任务中的有效性。

关键词：多模态知识图谱补全,对比学习,负采样,注意力机制

基金资助：四川省科技计划重大科技专项项目（2024ZDZX0001）。