摘要: 针对大规模知识图谱(KG)的不确定性嵌入模型中无法对多种逻辑关系进行近似推理的问题,提出了一种基于不确定知识图谱嵌入的多关系近似推理模型UDConEx(Uncertainty DistMult and Complex Convolution Embedding)。首先,UDConEx模型结合了DistMult(Distance Multiplicative)模型和ComplEx(Complex Embedding)模型的特点,使得UDConEx模型具有推理对称与非对称关系的能力。其次,模型采用卷积神经网络(CNN)捕获不确定性知识图谱中的交互信息,使其具有推理逆关系和传递关系的能力。最后,UDConEx 模型利用神经网络对知识图谱的不确定信息进行置信度学习,在不确定性知识图谱嵌入空间中可以进行近似推理。通过对CN15k、NL27k、PPI5k三个公开数据集的实验表明,UDConEx模型与最新提出的MUKGE模型相比,在置信度预测任务中平均绝对误差(MAE)中分别降低了1.25,1.46,1.62;在关系事实排名任务中,基于线性的归一化折损累计增益(NDCG)在CN15k和NL27k数据集中分别提升了 5.8% 和2.6%;在多关系近似推理任务中验证了模型具有多种逻辑关系的近似推理能力。UDConEx模型弥补了传统嵌入模型无法进行置信度预测的不足,实现了对多种逻辑关系的近似推理,提供了更精确、具有可解释性的不确定性知识图谱推理能力。
中图分类号: