TEC:Knowledge Graph Embedding with Triple Context
1 问题
知识图谱没有充分利用上,丰富的信息,利用其周围信息和路径信息,基于以上信息进行知识知识图谱补全。
2 模型
context 信息包括:neighbor context和path context。

2.1 Context详细信息
- Neighbor Context
对于其Neighbor Context只进行出度的计算,CN(h)=(r4,e1),(r3,e2),(r2,e3),(r1,e8),(r1,e10)CN (h) = {(r_4, e_1), (r_3, e_2), (r_2, e_3), (r_1, e_8), (r_1, e_10)}CN(h)=(r4,e1),(r3,e2),(r2,e3),(r1,e8),(r1,e10) - Path Context
对于Path Context, CP(h,t)=(r1,r2),(r2,r1,r2).CP (h,t) = {(r_1,r_2), (r_2,r_1,r_2)}.CP(h,t)=(r1,r2),(r2,r1,r2).,只保存h和t之间的关系。
C(h,r,t)=CN(h)∪CP(h,t)C(h,r,t) = CN (h) ∪CP (h,t)C(h,r,t)=CN(h)∪CP(h,t)
2.2 打分函数

最大化可能性:

其可以写成以下形式:








通过以上式子进行训练,消耗资源,因此进行训练时采用负采样的形式进行训练

其他两种类似。
知识图谱补全:利用Context信息增强嵌入
本文探讨了如何通过考虑知识图谱中邻居上下文(NeighborContext)和路径上下文(PathContext)来提升知识图谱的补全能力。模型通过最大化可能性的方式,结合负采样策略进行训练,以更有效地利用图谱的丰富信息。
812

被折叠的 条评论
为什么被折叠?



