基于关系路径表征与匹配的链接预测方法

作     者：杜有平 尹子都 DU Youping;YIN Zidu

作者机构：云南师范大学信息学院云南昆明650500 

基　　金：云南省科技厅基础研究专项,项目名称:融合数据与专家知识的社交媒体用户偏好动态预测方法,项目编号:202301AU070147 国家自然科学基金,项目名称:城市交通大数据平台基准测试和性能优化关键技术研究,项目编号:61862066 

出 版 物：《无线互联科技》 (Wireless Internet Science and Technology)

年 卷 期：2025年第22卷第4期

页      码：96-99页

摘      要：知识图谱链接预测是知识挖掘与智能信息处理中的重要任务。文章提出了一种基于关系序列表征与匹配的新方法,以有效捕获路径中的语义信息并提升链接预测性能。首先,通过双向编码器表征对路径中的每个关系进行深度编码,生成精细的关系表示。接着,利用LSTM对关系序列进行建模,学习全局路径表示,全面捕获路径中蕴含的语义依赖和顺序信息。最后,针对链接预测任务,文章设计了一种基于路径表示与目标关系向量匹配的机制,结合余弦相似度和线性变换完成关系预测与分类。在多个公开知识图谱数据集上进行实验,结果表明,基于关系序列表征的方法在MRR、Hit@K等指标上均表现良好,显示了对关系序列信息建模的有效性与重要性。

主 题 词：链接预测 关系序列 关系路径表征 关系路径匹配 

学科分类：08[工学] 081202[081202] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1672-6944.2025.04.023

馆 藏 号：203157615...