基于图注意力机制的有向知识图谱推理研究

摘要

针对大规模知识图谱推理任务中传统图神经网络(GNN)全局关系捕捉能力不足、推理效率低下等问题，提出一种基于图注意力机制的有向知识图谱推理模型RED-GATv2+。首先，在有向图神经网络RED-GNN基础上，结合图注意力网络GATv2在获取节点全局语义特征同时获取邻居节点的信息，提高图谱推理的准确率。其次，为提升效率，通过加入动态负采样生成更具对抗性的负样本，利用层次化Top-k聚合筛选关键邻居节点，从而显著减少不必要的邻居传递与计算量。RED-GATv2+在WN18RR、FB15k-237、NELL-995三个数据集上仿真验证的结果表明了RED-GATv2+模型的有效性。

关键词

图神经网络 / 知识图谱推理 / 动态负采样 / Top-k聚合

基金资助

辽宁省科技厅揭榜挂帅项目(2023JH1/10400093)