-
题名基于实体多元编码的时序知识图谱推理
被引量：3
- 1
-
-
作者
彭成
张春霞
张鑫
郭倞涛
牛振东
-
机构
北京理工大学计算机学院
-
出处
《数据分析与知识发现》
CSCD
北大核心
2023年第1期138-149,共12页
-
基金
国家重点研发计划(项目编号:2020AAA0104903)
国家自然科学基金项目(项目编号:62072039)的研究成果之一。
-
文摘
【目的】解决时序知识图谱推理方法存在的实体信息获取片面和缺乏不同时间戳对于待推理事件重要性度量的问题。【方法】提出一种基于实体多元编码的时序知识图谱推理模型。实体多元编码旨在引入三种实体特征编码,包括当前时间戳的实体切片特征编码、融合时间戳嵌入和实体静态特征的实体动态特征编码以及历史时间步上相对稳定的实体片段特征编码。同时,设计时序注意力机制来学习不同时间戳内的局部结构信息对推理目标的重要性权重。【结果】该时序知识图推理模型在数据集ICEWS14上的实验结果为MRR:0.4704,Hits@1:40.31%,Hits@3:50.02%,Hits@10:59.98%;在ICEWS18上的实验结果为MRR:0.4385,Hits@1:37.55%,Hits@3:46.92%,Hits@10:56.85%;在YAGO上的实验结果为MRR:0.6564,Hits@1:63.07%,Hits@3:65.87%,Hits@10:68.37%,评估指标优于基线方法。【局限】在大规模数据集上运行速度较慢。【结论】本文方法捕获了时序知识图谱中包括实体切片特征、动态特征和片段特征的实体多元特征,所设计的时序注意力机制能够度量历史局部结构信息对推理的重要性,有效提升了时序知识图谱推理的性能。
-
关键词
时序知识图谱
时序知识图谱推理
实体多元编码
时序注意力机制
知识图谱
-
Keywords
Temporal Knowledge Graph
Temporal Knowledge Graph Reasoning
Entity Multiple Unit Coding
Temporal Attention Mechanism
Knowledge Graph
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
