融合双重注意力与图增强的知识图谱推理

来源：计算机工程与应用杂志2026年第1期北京时间：

作者：许智宏, 刘秋月, 董永峰, 王利琴, 王旭

单位：1.河北工业大学 人工智能与数据科学学院，天津 300401；2.河北省大数据计算重点实验室，天津 300401；3.河北省数据驱动工业智能工程研究中心，天津 300401

摘要：在当前知识图谱推理领域，基于序列的推理模型往往只关注显性路径关系，而忽视了路径之外的隐性实体关系，限制了推理的全面性和准确性。此外，这些模型在面对数据稀疏问题时表现出显著的局限性。针对以上问题，提出了一种融合双重注意力与图增强的知识图谱推理框架DAGAR。设计了一种融合实体信息和关系信息的双重注意力子图采样机制，对知识图谱进行有效采样，同时对查询进行增强，有效缓解了数据稀疏问题。引入了基于双指数分布的GNN图增强模块，提升了模型对复杂图结构的理解能力。通过在多个不同数据集上的实验结果表明，无论是直推式还是归纳式推理，DAGAR模型在MRR、Hits@1和Hits@10三个性能指标上均超越了现有主流技术。

关键词：知识图谱推理,图增强,双重注意力,双指数分布