模式识别与人工智能
2025年4月4日 星期五   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2022, Vol. 35 Issue (2): 116-129    DOI: 10.16451/j.cnki.issn1003-6059.202202003
论文与报告 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于Triplet注意力的循环卷积神经网络模型
汪璟玢1, 雷晶1, 张璟璇1, 孙首男1
1.福州大学 计算机与大数据学院 福州 350108
Circular Convolutional Neural Networks Based on Triplet Attention
WANG Jingbin1, LEI Jing1, ZHANG Jingxuan1, SUN Shounan1
1. College of Computer and Data Science, Fuzhou University, Fuzhou 350108

全文: PDF (931 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 现有的融合文本或邻居信息的知识补全模型忽略文本和邻居之间的相互作用,难以捕获与实体具有较强语义相关性的信息,加上基于卷积神经网络的模型未考虑实体中的关系相关信息,导致预测性能不佳.因此,文中结合文本信息和拓扑邻居信息,提出基于Triplet注意力的循环卷积神经网络模型.首先,通过语义匹配的方式,选取文本描述中与实体具有较强语义相关性的单词.再与拓扑邻居复合作为实体邻居,增强实体表示.然后,重塑实体的融合表示和关系表示.最后,利用Triplet注意力优化卷积输入,使卷积操作能提取实体中与关系相关的特征,提升模型性能.在多个公开数据集上的链路预测实验表明,文中模型性能较优.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
汪璟玢
雷晶
张璟璇
孙首男
关键词 知识图谱补全文本信息拓扑邻居循环卷积Triplet注意力    
Abstract:In the existing knowledge completion models with textual or neighbor information, the interaction between texts and neighbors is ignored. Therefore, it is difficult to capture the information with strong semantic relevance to entities. In addition, the relationship-specific information in the entities is not taken into account in the models based on convolutional neural networks, which results in poor prediction performance. In this paper, a circular convolutional neural network model based on triplet attention is proposed combining textual and neighbor information. Firstly, the words with strong semantic relevance to entities in textual descriptions are selected by semantic matching, and then they are combined with topological neighbors as entity neighbors to enhance entity representations. Next, the fusion representations of the entity and the relation representations are reshaped. Finally, the triplet attention is utilized to optimize the input of the convolution and the convolution operation can extract the features related to the relations in the entities, which improves the model performance. Experiments on several public datasets show that the performance of the proposed model is superior.
Key wordsKnowledge Graph Completion    Textual Information    Topological Neighbors    Circular Convolution    Triplet Attention   
收稿日期: 2021-08-23     
ZTFLH: TP 391  
基金资助:国家自然科学基金项目(No.61672159)、福建省自然科学基金项目(No.2021J01619)资助
通讯作者: 汪璟玢,硕士,副教授,主要研究方向为知识图谱、关系推理、分布式数据管理、知识表示.E-mail:wjb@fzu.edu.cn.   
作者简介: 雷晶,硕士研究生,主要研究方向为知识图谱、关系推理、知识表示.E-mail:1084961608@qq.com.张璟璇,硕士研究生,主要研究方向为知识图谱、关系推理、知识表示.E-mail:980807745@qq.com.孙首男,硕士研究生,主要研究方向为知识图谱、关系推理、知识表示.E-mail:954752598@qq.com.
引用本文:   
汪璟玢, 雷晶, 张璟璇, 孙首男. 基于Triplet注意力的循环卷积神经网络模型[J]. 模式识别与人工智能, 2022, 35(2): 116-129. WANG Jingbin, LEI Jing, ZHANG Jingxuan, SUN Shounan. Circular Convolutional Neural Networks Based on Triplet Attention. Pattern Recognition and Artificial Intelligence, 2022, 35(2): 116-129.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.202202003      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2022/V35/I2/116
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn