.png){kind=icon}
返回
Path-Based Knowledge Graph Link Prediction Method With Graph Context
.png){kind=icon}
PRE
AI
DOI：10.1109/TCSS.2026.3669923.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
知识图谱（KGs）是执行个性化推荐和问答等高级任务的关键基础。然而，许多现有知识图谱因缺失三元组而存在不完整问题。近期研究表明，基于路径的链接预测是一种可靠的方法。路径方法主要利用知识图谱中的路径模式解决缺失三元组的问题。这些由连接两个实体的路径定义的模式用于预测它们之间的关系。然而，这些方法并不完美，仅依赖实体间关系或其嵌入信息进行链接预测效果不佳。为解决上述挑战，我们提出了一种新的知识图谱链接预测方法，该方法利用路径和图上下文。对于给定的候选关系和两个实体，使用实体类型层次结构进行消歧，同时保留实体的图邻域信息。我们的方法随后使用双向长短时记忆网络（bi-LSTM）编码路径信息，通过注意力机制整合路径模式，最终预测实体是否可通过候选关系链接。在三个标准数据集上的实验证明了该方法的有效性。
Keyword:
Graph context
knowledge graph (KG)
link prediction
path
期刊
IF:
4.9
论文数:
622
被引数:
6.8K
机构
引用论文
RLPath: a knowledge graph link prediction method using reinforcement learning based attentive relation path searching and representation learningRLPath: 一种基于强化学习的注意关系路径搜索和表示学习的知识图谱链接预测方法.png)
APPLIED INTELLIGENCE
APPLIED INTELLIGENCEIF3.5
PREAI
分享收藏
Graph attention network with dynamic representation of relations for knowledge graph completion具有动态关系表示的图注意网络用于知识图补全
PREAI
分享收藏Path-based reasoning approach for knowledge graph completion using CNN-BiLSTM with attention mechanism基于注意机制的cnn-bilstm路径推理知识图谱补全方法
PREAI
分享收藏分享收藏Heterogeneous relational reasoning in knowledge graphs with reinforcement learningINFORMATION FUSION
OAAI
INFORMATION FUSIONIF15.5
OAAI分享收藏Knowledge graph embedding with inverse function representation for link prediction基于逆函数表示的知识图谱嵌入用于链接预测
PREAI
分享收藏
查看更多内容