基于加权概念格与AE的社交知识图谱语义压缩

来源：计算机技术与发展杂志2024年第11期北京时间：

作者：韩锦雪;苏美红;周慧媛;张素兰

摘要：社交知识图谱具有时效性强、更新频繁快等特点,但也导致内容不断扩充,产生了大量冗余信息。 如何删除冗余信息并对其进行语义压缩成为提升社交知识图谱质量的关键。 为此,该文提出一种基于加权概念格与自编码器的社交知识图谱语义压缩方法(SCWCL-AE)。 首先,将社交知识图谱资源描述框架三元组转换为二进制矩阵,获得同一社交知识图谱不同时间版本的形式背景,并通过信息熵确定实体属性权值,构造社交知识图谱加权概念格;提取满足加权外延社交知识图谱支持度的实体属性分类规则,获得重要且使用频率高的实体摘要。 其次,引入无监督自编码器,从无标签的社交知识图谱实体摘要中自动学习抽象特征,以重构损失最小化输出数据,达到压缩知识图谱冗余语义信息的目的。 最后,在Freebase、DBpedia、Zhishi. me 数据集上进行实验,结果验证了该方法对社交知识图谱语义压缩的有效性。

关键词：语义压缩;社交知识图谱;加权概念格;自编码器;知识图谱