基于多粒度注意力网络的知识超图链接预测
作者:
作者单位:

作者简介:

通讯作者:

庞俊,E-mail:pangjun@wust.edu.cn

中图分类号:

基金项目:

国家重点研发计划(2020AAA0108503);国家自然科学基金(62072083,61972299)


Knowledge Hypergraph Link Prediction based on Multi-Granular Attention Network
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    在知识图谱中进行链接预测是图谱补全的有效方法,可有效改善知识图谱的数据质量.然而现实生活中的关系往往是多元的,这些包含多元关系的知识图谱可称为知识超图(Knowledge Hypergraph,KHG).遗憾的是,现有的知识超图链接预测模型忽略了多元关系的平等性(多元关系中实体不存在先后关系)与整体性(多元关系缺少一个实体则不成立).针对以上问题,本文首先提出了一种知识超图多元关系表示模型,可以直接建模知识超图中的多元关系.然后研究了一种基于多粒度神经网络的链接预测方法(Hyperedge Prediction based on Multi-Granular Attention Network,HPMG),该模型将关系划分为多重粒度进行学习,从不同粒度联合完成知识超图的学习和预测,充分考虑了知识超图中不同维度多元关系的整体性.接下来,针对HPMG特征融合不充分的问题,提出了基于多粒度注意力网络的知识超图链接预测方法HPMG+,结合全局和局部注意力实现了不同特征的有区分融合,进一步提高了模型的性能.最后,真实数据集上的大量实验结果验证了本文提出方法的效果显著地优于所有基线方法.

    Abstract:

    Link prediction in knowledge graphs is the most effective method for graph complementation,which can effectively improve the data quality of knowledge graphs.However,the relationships in real life are often multiple,thus these knowledge graphs containing multiple relationships can be called knowledge hypergraphs,i.e.,KHGs.Unfortunately,the existing knowledge graph link prediction methods cannot be directly applied to knowledge hypergraphs,and the existing knowledge hypergraph link prediction models ignore the equality (there is no sequential relationship among the elements in a multivariate relationship) and completeness (a multivariate relationship is not valid if it lacks elements) of the real-life multivariate relationships.To address these problems,we firstly propose a knowledge hypergraph multivariate representation model,which can directly model the multivariate relationships in the knowledge hypergraph.Then,we study a multi-granularity neural network-based hypergraph prediction method HPMG,which divides the relations into multiple granularities for learning and prediction from different granularities jointly.Next,to address the problem of inadequate HPMG feature fusion,we propose HPMG+ based on multi-granularity attention network for link prediction of knowledge hypergraphs,which combines all and local attention to achieve differentiated fusion of different features and further improves the performance of the model.Finally,extensive experimental results on real datasets verify that the proposed methods significantly outperform all baseline methods in terms of hyper-edge prediction.

    参考文献
    相似文献
    引证文献
引用本文

庞俊,刘小琪,谷峪,王鑫,赵宇海,张晓龙,于戈.基于多粒度注意力网络的知识超图链接预测.软件学报,2023,34(3):0

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2022-05-14
  • 最后修改日期:2022-09-07
  • 录用日期:
  • 在线发布日期: 2022-10-26
  • 出版日期:
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京市海淀区中关村南四街4号,邮政编码:100190
电话:010-62562563 传真:010-62562533 Email:jos@iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号