结合实体和关系消息传递的低资源知识图谱补全

来源：计算机工程与应用杂志2024年第22期北京时间：

作者：张婷, 杜方, 宋丽娟, 史英杰, 赵国栋, 李婷

单位：1.宁夏大学 信息工程学院，银川 750021；2.北京服装学院，北京 100029；3.宁夏大学 网络与信息管理中心，银川 750021；4.宁夏大学 数学统计学院，银川 750021

摘要：知识图谱补全是知识图谱领域的一个重要研究问题。现有的知识图谱补全工作大多假设在充足的三元组实例上进行，然而在医疗、法律等垂直领域，数据难以获取，缺乏足够的数据和先验知识，属于低资源场景。研究低资源场景下的知识图谱补全方法对于解决实际问题具有重要意义。提出结合节点和边消息传递的低资源知识图谱补全方法SMKGC（similarity messages knowledge graph completion），该方法通过感知局部关系（边）与实体（节点）实现对链接的预测。与现有方法不同，SMKGC将语义相似节点及语义相似边的特征信息与Pathcon模型进行融合，从而通过增强消息传递的特征表示来提升链接预测的准确性。具体包括两个模块：（1）基于实体相似的消息传递，在捕获给定实体对相邻实体的基础上，聚合周围相似实体信息；（2）基于关系相似的消息传递，通过关系路径获取给定实体对的相对位置，同时结合路径的相似边实现关系预测。实验结果表明，该方法在知识图谱常用的基准数据集上明显优于其他方法，同时也证明了结合相似实体和关系消息传递在低资源知识图谱补全任务中可以有效提升预测的准确度。

关键词：知识图谱,相似性,链接预测