92、知识图谱负采样策略与日语填字游戏构建研究

知识图谱负采样策略与日语填字游戏构建研究

知识图谱负采样策略 MDNCaching

在知识图谱（KG）的链接预测任务中，负采样策略起着至关重要的作用。本次研究提出了一种名为 MDNCaching 的增强型负采样策略，旨在解决虚假负样本问题，通过矩阵分解减少潜在正样本的预测。

1. 相关模型与数据集

• 模型评分函数 ：
  | 模型类型 | 模型名称 | 评分函数 | 定义 | 参数 |
  | — | — | — | — | — |
  | 基于平移距离 | TransE | $|h + r - t|_i$ | - | $h, r, t \in R^n$ |
  | 基于平移距离 | TransD | $|h + w_rw_h^Th + r - (t + w_rw_t^Tt)|_i$ | - | $h, r, t, w_h, w_t, w_r \in R^n$ |
  | 基于语义匹配 | DistMult | $h \cdot diag(r) \cdot t^T$ | - | $h, r, t \in R^n$ |
  | 基于语义匹配 | ComplEx | $Re(h \cdot diag(r) \cdot t^T)$ | - | $h, r, t \in C^n$ |
• 数据集 ：实验选用了两个流行的基准数据集 WN18RR 和 FB15K237。这两个数据集是通过分别从之前的 WN18 和 FB15K 数据集中移除逆重复关系构建而成，比原始数据集更具挑战性和现实性。其统计信息如下：
  | 数据集 | 实体数量 |