基于子圖結(jié)構(gòu)語義增強(qiáng)的少樣本知識圖譜補(bǔ)全

摘要： 針對少樣本場景下實(shí)體表示不充分的問題，提出一種基于子圖結(jié)構(gòu)語義增強(qiáng)的少樣本知識圖譜補(bǔ)全模型。首先，采用注意力機(jī)制，提取節(jié)點(diǎn)以關(guān)系交互為核心的文本語義特征，并提取節(jié)點(diǎn)以集群系數(shù)為核心的子圖結(jié)構(gòu)語義特征；接著，使用前饋神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)實(shí)體語義聚合，并利用Transformer網(wǎng)絡(luò)針對三元組進(jìn)行編碼；最后，通過原型匹配網(wǎng)絡(luò)來計(jì)算鏈接預(yù)測分?jǐn)?shù)。實(shí)驗(yàn)表明，所提模型優(yōu)于所有基于度量學(xué)習(xí)的基線模...