TransE-KCB：一种改进负样本采样的知识图谱表示方法
来源：计算机应用与软件杂志2024年第8期北京时间：
作者：徐金诚, 葛云生
摘要：为了解决翻译模型中的随机生成负样本的不足，以生成高质量的负样本，提高模型的训练效果，提出一种改进的负样本采样的知识表示学习模型TransE-KCB。该模型引入K-Means++聚类算法，形成不同种类的相似性实体簇；在簇中随机挑选5个实体与被替换实体计算它们之间的相似度，选出排名最高的实体，与被替换的实体进行替换；在此基础上，为了解决“假负例”问题，引入布隆过滤器，对“假负例”进行过滤。实验结果表明，与TransE等模型相比较，TransE-KCB模型具有更好的模型表达能力，知识表示的能力得到较大提升。
关键词：负样本, 翻译模型, 三元组分类, 知识表示
