基于邻域粒度与三支决策的知识表示学习方法

摘要

提出了一种基于邻域粒度与三支决策理论的知识表示学习方法，该方法采用2阶段的框架式增强算法，第1阶段通过知识表示学习方法拟合知识图谱中的节点与关系，映射其中蕴含的语义信息进入低维向量空间；第2阶段，通过划分低维向量表示的邻域粒度，捕捉和利用语义信息中的潜藏相似关系，并辅以三支决策对邻域粒度所挖掘的相似语义信息进行精准的划分，再将所挖掘出的潜藏信息对模型进行重训练，提升知识表示学习方法的准确性与鲁棒性。本文选定5种经典的知识表示学习模型，并在4个公开的大型知识图谱数据集上进行实验，通过实验结果验证了本方法的有效性。

关键词

知识图谱 / 知识表示学习 / 邻域粒度 / 三支决策