基于改进图卷积神经网络的知识图谱补全方法

来源：计算机应用与软件杂志2025年第1期北京时间：

作者：杨强, 周欣, 程军军滕奇志, 何小海, ,

摘要：知识图谱补全旨在对知识图谱中隐藏实体关系进行挖掘和预测，传统方法大多利用图卷积神经网络对其进行补全。然而，传统方法大多只利用邻居节点的信息对中心节点进行更新，一定程度上忽视了关系信息。因此，提出一种改进的图卷积神经网络作为编码器，使用循环相关策略组合邻居节点和关系，并使用注意力机制区分其对中心节点的贡献程度，并以InteractE模型作为解码器，实现了端到端的网络训练。在WN18RR、FB15K-237和YAGO3-10数据集上进行实验，与目前最好模型相比，在MRR和Hits@N指标上都有一定程度的提高。

关键词：知识图谱, 知识图谱补全, 改进图卷积, 循环相关, 注意力机制