基于 MpBERT-BiGRU 的中文知识图谱补全

来源：计算机技术与发展杂志2023年第03期北京时间：

作者：田昊;';张骁雄;刘文杰;刘浏;';刘姗姗;丁鲲

单位：1. 国防科技大学 第六十三研究所,江苏 南京 210007;2. 南京信息工程大学 计算机与软件学院,江苏 南京 210044;3. 宿迁学院,江苏 宿迁 223800

摘要：知识补全是提高知识图谱质量的关键技术,为了更好地利用中文知识图谱,该文对中文知识图谱补全进行研究。针对大多数研究聚焦于英文数据集,缺少中文知识补全数据集的情况,在已有数据集的基础上,该文构建了中文 UMLS+ownthink 数据集。 现有知识图谱补全方法大多忽视 BERT 模型表征能力不足、位置信息学习能力弱的问题,且未考虑中文文本特征复杂、语序依赖性强的特点,因此提出一种名为 MpBERT-BiGRU 的中文知识图谱补全模型,利用平均池化策略有效缓解 BERT 模型表征能力弱的问题,并通过 BiGRU 网络强化特征信息,提高位置信息学习能力;同时将三元组转化为文本序列,结合实体描述信息作为模型的输入,利用背景知识丰富实体信息。 链接预测实验结果表明,该方法在平均排名(Mean Rank,MR) 指标上相比传统方法提高 10. 39,前 10 命中率( Hit@ 10) 指标提高 4. 63% ,验证了模型在中文语料库上的有效性。

关键词：知识图谱补全;池化策略;双向门控循环单元;BERT;链接预测