融合实体重要性的知识补全模型
杨帅
韩斌
江苏科技大学 镇江 212100
摘要：知识图谱是是人工智能领域的一大研究热点.因为知识图谱数据的缺失和不完备性,知识补全利用给定实体和关系补全缺失的部分,现有的TransE模型、RotatE模型都很好地完成了知识补全的任务,但是它们都忽略了实体的重要性信息.论文提出了一种在RotatE模型上加入实体重要性信息的改进模型,利用PageRank算法计算实体重要性,同时深度挖掘重要性信息,结合实体度信息和集聚系数信息定义实体传导重要性概率.在学习过程中对不同实体赋予不同的权值,提高模型的补全性能.实验结果表明,改进的模型对比原模型以及其他基线模型,在不同的数据集上,补全效果有了提高.
关键词：知识图谱实体重要性RotatE模型链接预测
分类号：TP391(计算技术、计算机技术)
论文发表日期：2025-05-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 1333-1337,1344 )
英文信息