基于图结构与文本信息对比的知识图谱补全

来源：计算机工程与应用杂志2025年第17期北京时间：

作者：翟社平, 杨晴, 黄妍

单位：1.西安邮电大学 计算机学院，西安 710721；2.西安邮电大学 陕西省网络数据分析与智能处理重点实验室，西安 710121

摘要：目前知识图谱补全方法主要使用图神经网络对图数据进行建模，忽视了文本信息在知识整合中的重要性。此外，现有模型未能充分挖掘细粒度三元组关系对实体嵌入更新的影响。针对以上问题，提出基于图结构与文本信息对比学习的知识图谱补全方法SCLKGC。在图编码器中采用特定类型的注意力机制，为实体邻域分配与其重要性相匹配的权重，从而实现实体邻域信息的更精准聚合。分别使用基于层次邻域和基于语义-结构的对比学习方法，以更有效地学习实体在知识图谱中的表示。实验部分使用两个真实数据集对所提方法进行验证。实验结果表明，与基线方法得到的最佳效果相比，在FB15k-237数据集上，SCLKGC的平均倒数排名（MRR）、Hits@1、Hits@3、Hits@10分别提高了0.008、0.016、0.011、0.013；在WN18RR数据集上，SCLKGC的MRR、Hits@1、Hits@3、Hits@10分别提高了0.006、0.008、0.006、0.012，验证了所提方法的有效性。

关键词：知识图谱补全,对比学习,文本描述,注意力机制