计算机工程

作者：和红光, 线岩团, 相艳

单位：1. 昆明理工大学信息工程与自动化学院, 云南 昆明 6505002. 昆明理工大学云南省人工智能重点实验室, 云南 昆明 650500

关键词：常识知识图谱,知识图谱补全,对比学习,关系约束,语义表征

基金：国家自然科学基金重点项目(U23A20388); 国家自然科学基金重点项目(U21B2027); 云南省青年学术和技术带头人后备人才计划(202305AC160063); 云南省重大科技专项计划项目(202202AD080004); 云南省重大科技专项计划项目(202202AD080003)

知识图谱补全旨在通过预测知识图谱中缺失的实体或关系来解决知识缺失和不完整问题。与传统知识图谱相比, 常识知识图谱通常更加稀疏, 因此仅依靠结构信息来表征实体往往存在不足。为此, 现有研究在结构信息的基础上, 利用语义表征来丰富常识知识图谱, 但这些方法通常只关注单个实体的语义表征, 而忽视了实体集合的语义关联。针对该问题, 提出一种基于关系约束对比学习的常识知识图谱补全方法。首先, 利用关系将实体划分为不同的集合, 从集合中挑选正负样本对进行对比学习, 以获取实体的基础表征; 在此基础上, 以实体个体语义表征和实体所在集合中心表征之间的相似性为约束, 进一步学习实体的综合表征, 并基于该综合表征完成补全任务。在两个公共数据集CN-100K和ATOMIC上进行了实验, 结果表明该模型相比基线模型具有更优的性能: 相比次优模型CPNC, 该模型在两个数据集上平均倒数排名(MRR)值分别提升了1.09和2.48百分点, Hits@1值分别提升了1.02和1.55百分点。

来源：2026年第4期

《计算机工程》期刊编辑部

查看计算机工程杂志2026年第4期