基于多重得分函数的知识嵌入模型

作     者：陈新元 谢晟祎 陈庆强 刘羽 CHEN Xinyuan;XIE Shengyi;CHEN Qingqiang;LIU Yu

作者机构：福州工商学院工学院福建福州350715 福建农业职业技术学院实验实训中心福建福州350181 福建工程学院信息科学与工程学院福建福州350118 福州墨尔本理工职业学院现代教育技术中心福建福州350121 

基　　金：福建省中青年教师教育科研项目(JAT210619) 

出 版 物：《闽江学院学报》 (Journal of Minjiang University)

年 卷 期：2022年第43卷第2期

页      码：22-32页

摘      要：单一得分函数难以学习多种关系模式;增强表达能力往往意味着较高的模型复杂度和计算开销。在基于平移/旋转的嵌入模型基础上,设计结合多重得分函数的神经网络模型,分析其对多种关系模式的学习和表示能力,在统一框架下为同一实体/关系训练多组独立的嵌入表示以匹配得分函数,同时使用基于阈值限制的损失函数改善模型的泛化能力。在4个主流数据集上进行链路预测,比较方案与其他主流模型的性能表现,验证在嵌入表示中集成不同关系模式信息的可行性,衡量不同得分函数对整体模型的影响。

主 题 词：知识表示 平移/旋转嵌入 多重得分函数 模式信息集成 阈值限制 链路预测 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.19724/j.cnki.jmju.2022.02.004

馆 藏 号：203110448...