arrow
返回

Neighbor-Aware Embedding Interaction for Link Prediction

delete2025-10-01
delete0
PRE
AI
D
Di Wu
T
Tong Hui *
M
Ming Liu
H
Honghao Wu
Z
Zhaoqian Zhang
DOI:10.1142/S0218194025500603delete
delete原文链接
delete原文求助
delete分享
delete收藏
摘要

摘要

En 中文
假冒伪劣产品犯罪对消费者安全和市场稳定构成严重威胁,但该领域知识图谱的不完整性阻碍了有效案件分析和决策制定。链接预测(LP)通过捕捉实体结构及语义表示来推断潜在关系,从而缓解图谱不完整性并实现更精准的调查与执法。为实现此目标,现有研究多采用图神经网络聚合实体邻域信息,旨在嵌入过程中捕获结构及语义特征。然而,由于邻域信息存在异质性,直接聚合会降低预测精度。本文提出邻域感知嵌入交互(NEI)模型,通过计算语义与结构邻域间的交互以充分聚合异构邻域信息,进而提升LP性能。具体而言,首先提出依赖方向增强模块,提取高质量语义邻域以改善关系稀疏实体的理解;随后,邻域感知交互模块从语义及结构邻域中捕获有价值隐含信息,丰富邻域嵌入表示;接着,提出邻域感知卷积方法,通过交互整合丰富邻域嵌入向量与三元组头实体及关系嵌入向量,以提升预测性能。我们在三个公开LP数据集上开展实验评估NEI模型的有效性,结果显示,在WN18RR数据集中,NEI模型分别以MRR和Hits@1指标超越基线方法7.3%和5.3%。
Keyword:
Knowledge graph embedding
link prediction
neighbor embedding

期刊

I
International Journal of Software Engineering and Knowledge Engineering
IF:
0.6
论文数:
107
被引数:
543

机构

B
Beijing Police College
学者数:
42
论文数: 32
被引数: 14
引用论文

引用论文

err分享
err收藏
err分享
err收藏
err分享
err收藏
Secure paths based trustworthy fault‐tolerant routing in data center networks
err2024-10-25
err0
PREAI
errLiu,Kaiyun; Fan,Weibei; Xiao,Fu; Mao,Haolin; Huang,Huipeng; Zhao,Yizhou
err分享
err收藏
Temporal knowledge graph embedding via sparse transfer matrix
err2023-04-01
err0
PREAI
errXin Wang; Shengfei Lyu; Xiangyu Wang; Xingyu Wu; Huanhuan Chen
err分享
err收藏
学者 查看更多内容