基于图注意力机制的有向知识图谱推理研究

刘子怡, 谭小波, 付俊超, 郑杰

沈阳理工大学学报 ›› 2025, Vol. 44 ›› Issue (06) : 42 -48.

PDF
沈阳理工大学学报 ›› 2025, Vol. 44 ›› Issue (06) : 42 -48.

基于图注意力机制的有向知识图谱推理研究

    刘子怡, 谭小波, 付俊超, 郑杰
作者信息 +

Author information +
文章历史 +
PDF

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

Key words

引用本文

引用格式 ▾
基于图注意力机制的有向知识图谱推理研究[J]. 沈阳理工大学学报, 2025, 44(06): 42-48 DOI:

登录浏览全文

4963

注册一个新账户 忘记密码

参考文献

AI Summary AI Mindmap
PDF

147

访问

0

被引

详细

导航
相关文章

AI思维导图

/