文本信息与图结构信息相融合的知识图谱补全

摘要

提出了一种基于路径查询信息的图注意力模型,可以将知识图谱中的文本信息与图结构信息有效融合,进而提高知识图谱的补全效果.对于文本信息,使用基于预训练语言模型的双编码器来分别获得实体的嵌入表示和路径查询信息的嵌入表示.通过注意力机制来进行路径查询信息的聚合,以捕获图结构信息,更新实体的嵌入表示.模型使用对比学习进行训练,在多个知识图谱数据集上进行实验,如直推式、归纳式的方式,都取得了良好的效果.结果表明,将预训练语言模型与图神经网络的优势相结合,可以有效捕获知识图谱中文本信息与图结构信息,进而提高知识图谱的补全效果.

关键词

知识图谱补全 / 预训练语言模型 / 对比学习 / 图神经网络