基于规则和嵌入联合学习的低资源知识图谱补全

来源：计算机工程与应用杂志2025年第9期北京时间：

作者：周家啟, 宋燃, 余正涛, 黄于欣, 徐佳龙

单位：1.昆明理工大学 信息工程与自动化学院，昆明 650500 ；2.昆明理工大学 云南省人工智能重点实验室，昆明 650500

摘要：知识图谱补全（knowledge graph completion，KGC）是一种通过关系提取来填补缺失链接的知识图谱改进方法，规则挖掘和嵌入学习都可以用于知识图谱的补全。现有规则挖掘的研究主要集中在富资源语言的规则挖掘方面，在低资源知识图谱中难以挖掘出合适的规则；现有嵌入学习的方法依赖学习大量的事实三元组，难于处理低资源知识图谱的补全问题。针对两种方法存在的问题，提出一种基于规则和嵌入联合学习的低资源知识图谱补全方法。它由四部分组成，关系分流策略将三元组分为高频关系三元组和低频关系三元组；基于关系注意力的规则挖掘模块，利用改进的关系注意力机制提取低频关系的上下文信息，将其作为额外信息进行规则的挖掘；嵌入学习的模块，利用嵌入学习对知识图谱中高频关系三元组进行补全；迭代学习模块将两种方法进行有效结合，使得两种方法分别处理自己擅长的数据。通过在低资语言知识图谱补全数据集EL（希腊语）、FR（法语）、JA（日语）、Vi-310（越南语）中进行实验，使用指标MMR、HIT@1、HIT@5、HIT@10进行评估，取得了更佳的表现。

关键词：知识图谱补全,嵌入学习,知识图谱规则挖掘,迭代学习,低资源