基于增强性Kronecker分解的知识图谱补全模型

摘要

Kronecker分解法是一种基于矢量的分解方法，有助于减少知识图谱补全模型的参数数量和所需的硬件空间，但是会降低模型相应的精度。为解决这一问题，提出了一种新颖的数据增强性Kronecker分解的知识图谱补全模型，通过数据增强方法提高数据的质量，不仅能够提高模型的精度，也能在一定程度上缓解数据的稀缺性。经过实验分析，该模型在保证准确度仍然优于许多先进的模型的同时，能够实现2%的参数减少。同时，该模型可以广泛用于基于嵌入的知识图谱补全模型，具有良好的实际应用价值。

关键词

Kronecker分解 / 知识图谱 / 知识图谱嵌入 / 知识图谱补全 / 数据增强