-
题名基于注意力机制和多关系事件的时序知识图谱推理
被引量：1
- 1
-
-
作者
杨琴琴
张骁雄
田伟
刘浏
刘姗姗
丁鲲
-
机构
南京信息工程大学计算机学院
国防科技大学第六十三研究所
宿迁学院信息工程学院
-
出处
《微电子学与计算机》
2023年第7期18-26,共9页
-
基金
国家自然科学基金项目(62071240)
江苏省高校自然学研究基金(20KJB413003)
+1 种基金
中国博士后科学基金(2021MD703983)
特殊领域青年托举项目(2021-JCJQ-QT-050)。
-
文摘
时序知识图谱推理是将时序信息引入知识表征学习和知识推理任务中,旨在推断事件在未来的演变趋势.针对大多数时序知识图谱推理方法存在跨时间实体与关系推理能力有限的问题,提出基于多关系事件和注意力机制的时序知识图谱推理模型(Attention Events Network,Attn-Net).为利用时序知识图谱中推理任务与时序事件的关联信息,往往需要设计专门的、复杂度高的时序编码器.然而循环神经网络作为最常用的一类序列编码器,忽略了序列节点与任务之间的关联程度,并不能很好适用于知识推理.文中提出了使用自注意力机制序列编码模型来融合序列的历史信息,计算推理任务与时序历史信息的注意力标量,从而得到更准确的历史事件关联信息编码.在此基础上,使用注意力机制优化多关系邻域聚合器,根据不同关系下事件关注程度计算得到实体的邻域表示,从而获得更准确的事件编码,最终获取了更准确的实体邻域向量表示.在WIKI和YAGO数据集上实验表明,Attn-Net的效果分别提升了1.5%和2%,且有效提高了时序知识图谱推理的能力.
-
关键词
多关系邻域聚合器
实体预测
注意力机制
时序知识图谱
-
Keywords
Temporal knowledge graph
Entity prediction
neighborhood aggregator
Attention mechanism
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名融合知识图谱和轻量级图卷积网络推荐系统的研究
被引量：4
- 2
-
-
作者
马甜甜
杨长春
严鑫杰
贾音
蔡聪
-
机构
常州大学计算机与人工智能学院
-
出处
《智能系统学报》
CSCD
北大核心
2022年第4期721-727,共7页
-
基金
国家自然科学基金项目(51877013)
江苏省研究生科研创新基金项目(KYCX21_2842).
-
文摘
基于协同过滤的算法是推荐系统中最重要的方法,由于冷启动和数据稀疏性的特点,限制了其推荐性能。为了应对以上问题,提出了知识图谱和轻量级图卷积网络推荐系统相结合的模型,该模型通过将知识图谱中的各个实体(项目)进行多次迭代嵌入传播以获取更多的高阶邻域信息,通过轻量聚合器进行聚合,进而预测用户和项目之间的评分。最后,在3个真实的数据集上MovieLens-20M、Last.FM和Book-Crossing的实验结果表明,该模型与其他基准模型相比可以得到较好的性能。
-
关键词
图卷积网络
知识图谱
推荐系统
嵌入传播
协同过滤
稀疏性
邻域信息
轻量聚合器
-
Keywords
graph convolutional network
knowledge graph
recommendation system
embedded propagation
collaborative filtering
sparsity
neighborhood information
lightweight aggregator
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
