面向知识图谱归纳链接预测的负采样方法

摘要

知识图谱归纳链接预测模型在训练过程中需要使用正例三元组和负例三元组，而当前的随机负采样方法容易产生低质量的负例三元组，影响模型的特征学习能力。针对该问题，提出一种基于相似性的负采样方法。首先，获取被替换实体周围的k跳邻居节点集合；其次，从该集合中挑选相似度高的实体替换原三元组中头实体或者尾实体，从而生成负例三元组；最后，将该方法应用在归纳链接预测模型中，并在WN18RR和FB15K-237数据集上进行归纳链接预测实验。实验结果表明，相比其他模型，该方法在MRR指标最高提升10.47个百分点，在Hits@10指标最高提升16.02个百分点。通过负样本质量分析，进一步说明该负采样方法生成高质量的负例三元组，提升模型的性能。

关键词

知识图谱 / 归纳链接预测 / 负采样 / k跳邻居 / 相似性计算