计算机工程

作者：刘海, 石佛波, 张昭理, 何嘉文, 李家豪

单位：1. 华中师范大学人工智能教育学部, 湖北 武汉 4300002. 华中师范大学深圳研究院, 广东 深圳 518000

关键词：知识图谱推理,预训练模型,特征融合,结构特征

基金：科技部2021年度"社会治理与智慧社会科技支撑"重点专项(2021YFC3340802); 国家自然科学基金(62577020); 国家自然科学基金(62477024); 国家自然科学基金(62377037); 国家自然科学基金(62277041); 国家自然科学基金(62173286); 国家自然科学基金(62177019); 国家自然科学基金(62177018); 中国高等教育学会高等教育研究专项(23XXK0403); 湖北省教育厅哲学社会科学研究项目(23G130);

近年来, 知识图谱已经逐渐成为问答系统、信息检索和推荐系统等下游任务的基石。知识图谱推理作为知识图谱技术中的一项关键研究, 其推理结果的准确性决定了知识图谱的质量和服务效果。当前知识图谱推理研究主要集中于以知识嵌入作为知识载体的方式, 通过强大的神经网络模型来学习可表示事实知识隐含语义的实体和关系嵌入。面对当前海量异质知识涌现且持续增长的现状, 知识图谱中出现了知识结构缺失、知识分布长尾效应显著和推理过程可解释性弱等挑战。为此, 本研究提出一种基于文本和多视角局部结构特征的知识图谱推理模型TSNet, 通过有效融合知识图谱中实体-关系文本特征和多视角局部结构特征, 缓解了知识图谱中的结构缺失和数据长尾分布问题。实验结果表明, TSNet模型在4个常用公开数据集FB15k、WN18、FB15k-237和WN18RR上均获得了有竞争力的结果。

来源：2025年第11期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第11期