当前位置:   article > 正文

知识图谱-基于张量分解的路径推理补全_基于张量的知识图谱补全

基于张量的知识图谱补全

前言

论文分享,一个基于张量分解的知识图谱的推理分享
作者信息

2.1背景和目的

本文是知识的一个推理过程,知识图谱在链路预测上是及其重要的应用,现有方法中往往只考虑了实体间的直接关系,忽略了图本身的结构化信息。现有的推理算法不能解决长路劲的推理。
所谓张量分解算法就是将知识图谱视作一个大的张量,用分解算法将图谱降维,减少计算规模,这在传统的张量分解中已经较为成熟的方法。
本文针对张量分解中实体间路径问题,提出基于路径张量分解的知识图谱推理算法. 通过在知识图谱中随机游走的方式,获得知识图谱中实体间的关系路径.在关系路径上使用张量分解进行推理计算。
三阶张量分解模型(RESCAL),三元组–>实体*关系矩阵。
2.2模型和方法
三元组集合T,嵌入到低维向量空间S,PRA(路 径 排 列 算 法)得到实体的路径。模型函数f( h,r( P) ,t)

2.2.1构建

X n ∗ n ∗ m X_{n*n*m} Xnnm n个实体,m种关系,在第k层存在关系时,分解为
在这里插入图片描述

A是n x d的矩阵,R是d x d的矩阵,n是n个实体,d是每个实体的特征数

在这里插入图片描述
在这里插入图片描述

上述分解函数只是一跳,扩展到多跳的实体,分解函数值变为
在这里插入图片描述

2.2 算法描述

在这里插入图片描述
在这里插入图片描述

算法的重点在于利用 PRA 计算知识图谱中每个实体对间的关系实体路径,通过对任意一个头实体,利用随机游走策略,达到尾实体,组成头尾实体的候选实体间关系,然后 利用张量分解 技术计 算每个路径上的损失函数值,以此预测知识图谱中新的实体关系,丰富和拓展知识图谱。

2.3实验

数据集构建
WordNet子集WN11,Freebase子集FB13,限定路线长度为4
在这里插入图片描述

2.3.1 路径问题回答

给定头实体和关系路劲,评估到底中间中间实体集能力
常规用于问答
在这里插入图片描述

2.3.2 实体链接预测

预测新三元组能力在这里插入图片描述

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/笔触狂放9/article/detail/955570
推荐阅读
相关标签
  

闽ICP备14008679号