典型文献
概率条件下基于双目标交替优化的知识表示模型
文献摘要：
针对TransD模型参数多和实体两种表示间没有关联的问题,提出一种改进的知识表示模型PTransD.通过减少实体投影数,并对实体进行聚类来减少参数量,同时利用K-L(Kullback-Leibler)散度限制实体投影和对应实体类,使其概率分布相同.在模型训练时,对三元组损失和K-L损失交替优化,从类间距大的实体类中替换实体,提高负例质量.最后,在知识图谱数据集上进行三元组分类和链接预测实验.结果表明,该模型的性能在各项指标上均有明显提高,可以应用于知识图谱的完善和推理等.
文献关键词：
知识图谱;表示学习;交替优化;三元组分类;链接预测
中图分类号：
作者姓名：
张欣;王振友
作者机构：
广东工业大学 数学与统计学院,广东 广州 510520
文献出处：
引用格式：
[1]张欣;王振友-.概率条件下基于双目标交替优化的知识表示模型)[J].广东工业大学学报,2022(04):24-31
A类：
TransD,PTransD
B类：
双目标,交替优化,知识表示,表示模型,参数量,Kullback,Leibler,散度,实体类,概率分布,模型训练,三元组损失,谱数据,三元组分类,链接预测,表示学习
AB值：
0.301082
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。
