典型文献
一种结合层次化类别信息的知识图谱表示学习方法
文献摘要：
知识图谱表示学习方法旨在将知识图谱中的实体和关系嵌入到低维连续的向量空间.由于知识图谱本身具有数据稀疏性的问题导致学习出的向量表示性能欠缺.实体的类别信息包含了丰富的语义,引入它能够更好地指导向量表示的学习.已有结合类别信息的表示学习方法要么不支持类别信息的层次化结构或者关系的类别约束,要么对层次化结构的建模过于复杂.提出一种结合层次化类别信息的表示学习方法.我们将类别嵌入到不同的向量空间,使用偏序关系建模类别的层次化结构.同时,将实体向量表示映射到类别向量空间中,要求实体与其所属类别满足偏序关系,且三元组的实体与其关系的类别约束也满足偏序关系.最后,在多个数据集上执行链接预测、三元组分类和实体分类任务的实验结果表明我们的方法相比其他基线方法学习出的向量表示性能更好.
文献关键词：
知识图谱表示学习;类别信息;层次化结构;偏序关系
中图分类号：
作者姓名：
张金斗;李京
作者机构：
中国科学技术大学计算机科学与技术学院,安徽合肥230026
文献出处：
引用格式：
[1]张金斗;李京-.一种结合层次化类别信息的知识图谱表示学习方法)[J].软件学报,2022(09):3331-3346
A类：
类别嵌入
B类：
结合层,类别信息,知识图谱表示学习,表示学习方法,法旨,关系嵌入,低维,向量空间,数据稀疏性,向量表示,示性,要么,不支,层次化结构,偏序关系,关系建模,实体向量,射到,求实,链接预测,三元组分类,实体分类,分类任务,方法学
AB值：
0.238793
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
