• 中国精品科技期刊
  • CCF推荐A类中文期刊
  • 计算领域高质量科技期刊T1类
高级检索

一种融合关系路径与实体描述信息的知识图谱表示学习方法

宁原隆, 周刚, 卢记仓, 杨大伟, 张田

宁原隆, 周刚, 卢记仓, 杨大伟, 张田. 一种融合关系路径与实体描述信息的知识图谱表示学习方法[J]. 计算机研究与发展, 2022, 59(9): 1966-1979. DOI: 10.7544/issn1000-1239.20210651
引用本文: 宁原隆, 周刚, 卢记仓, 杨大伟, 张田. 一种融合关系路径与实体描述信息的知识图谱表示学习方法[J]. 计算机研究与发展, 2022, 59(9): 1966-1979. DOI: 10.7544/issn1000-1239.20210651
shu
Ning Yuanlong, Zhou Gang, Lu Jicang, Yang Dawei, Zhang Tian. A Representation Learning Method of Knowledge Graph Integrating Relation Path and Entity Description Information[J]. Journal of Computer Research and Development, 2022, 59(9): 1966-1979. DOI: 10.7544/issn1000-1239.20210651
Citation: Ning Yuanlong, Zhou Gang, Lu Jicang, Yang Dawei, Zhang Tian. A Representation Learning Method of Knowledge Graph Integrating Relation Path and Entity Description Information[J]. Journal of Computer Research and Development, 2022, 59(9): 1966-1979. DOI: 10.7544/issn1000-1239.20210651
shu
宁原隆, 周刚, 卢记仓, 杨大伟, 张田. 一种融合关系路径与实体描述信息的知识图谱表示学习方法[J]. 计算机研究与发展, 2022, 59(9): 1966-1979. CSTR: 32373.14.issn1000-1239.20210651
引用本文: 宁原隆, 周刚, 卢记仓, 杨大伟, 张田. 一种融合关系路径与实体描述信息的知识图谱表示学习方法[J]. 计算机研究与发展, 2022, 59(9): 1966-1979. CSTR: 32373.14.issn1000-1239.20210651
shu
Ning Yuanlong, Zhou Gang, Lu Jicang, Yang Dawei, Zhang Tian. A Representation Learning Method of Knowledge Graph Integrating Relation Path and Entity Description Information[J]. Journal of Computer Research and Development, 2022, 59(9): 1966-1979. CSTR: 32373.14.issn1000-1239.20210651
Citation: Ning Yuanlong, Zhou Gang, Lu Jicang, Yang Dawei, Zhang Tian. A Representation Learning Method of Knowledge Graph Integrating Relation Path and Entity Description Information[J]. Journal of Computer Research and Development, 2022, 59(9): 1966-1979. CSTR: 32373.14.issn1000-1239.20210651
shu

一种融合关系路径与实体描述信息的知识图谱表示学习方法

  • 1(战略支援部队信息工程大学 郑州 450001)

  • 2(数学工程与先进计算国家重点实验室(战略支援部队信息工程大学) 郑州 450001) (ningyuanlong@163.com)

基金项目: 河南省科技攻关计划项目(192102210129)
详细信息

  • 中图分类号: TP391

A Representation Learning Method of Knowledge Graph Integrating Relation Path and Entity Description Information

  • 1(Strategic Support Force Information Engineering University, Zhengzhou 450001)

  • 2(State Key Laboratory of Mathematical Engineering and Advanced Computing (Strategic Support Force Information Engineering University), Zhengzhou 450001)

Funds: This work was supported by the Science and Technology Program of Henan Province (192102210129).

摘要

    摘要
  • 摘要: 知识图谱表示学习旨在通过学习的方法将知识图谱中的实体和关系映射到一个连续的低维向量空间而获得其向量表示.已有的知识图谱表示学习方法大多仅从三元组角度考虑实体间的单步关系，未能有效利用多步关系路径及其实体描述等重要信息，从而影响性能.针对上述问题，提出了一种融合关系路径与实体描述的知识图谱表示学习模型.首先，对知识图谱中的多步关系路径进行联合表示，将路径上的所有关系和实体相加，得到关系路径信息的表示；其次，使用BERT(bidirectional encoder representations from transformers)模型对实体描述信息进行编码，得到相对应的语义表示；最后，对知识图谱中的三元组表示、实体描述的语义表示以及关系路径的表示进行融合训练，得到融合向量表示.在FB15K，WN18，FB15K-237，WN18RR数据集上，对提出的模型和基准模型进行链接预测和三元组分类任务，实验结果表明，与现有的基准模型相比，该模型在2项任务中均具有更高的准确性，证明了方法的有效性和优越性.
    Abstract: The representation learning of knowledge graph aims to map entities and relationships of knowledge graph into a continuous low-dimensional vector space through the learning method to obtain its vector representation. Most existing knowledge graph representation learning methods only consider the single-step relationship between entities from the perspective of triples, and fail to effectively use important information such as multi-step relationship paths and entity descriptions, which affects performance. In response to the above problems, we propose a knowledge graph representation learning model(PDRL) that integrates relationship paths and entity descriptions. Firstly, it is to perform a joint representation on the multi-step relationship path in the knowledge graph, and obtain the representation of the relationship path information by adding all the relationships and entities on the path; secondly, use BERT model to encode entity description information to obtain the corresponding semantic representation; finally, the fusion training is performed on the triples in the knowledge graph, the semantic representation of entity description and the representation of the relationship path to obtain the fusion vector representation. On the FB15K, WN18, FB15K-237 and WN18RR data sets, the proposed model and the benchmark model are used to perform link prediction and triple classification tasks. The experimental results show that compared with the existing benchmark models, the model in this paper has higher performance in two tasks, which proves the effectiveness and superiority of this method.
    • HTML全文
    • 参考文献(0)
    • 相关文章
    • 施引文献(19)

  • 期刊类型引用(14)

    1. 栾宁，孙竹君，徐莹娇. 基于国密算法的互联网隐匿数据安全防护技术研究. 电子设计工程. 2025(04): 170-173+178 . 百度学术
    2. 王庆刚，顾峰，陈华春，张林. IPv6环境下无线网络入侵行为动态取证系统设计. 现代电子技术. 2025(05): 115-119 . 百度学术
    3. 张宇，万军，陈承斌. 基于访问策略控制的主动式网络信息安全应急联动模型. 计算机测量与控制. 2025(03): 167-175 . 百度学术
    4. 王强，周金宇，金超武. 基于行为可信的多级网络访问安全控制方法. 计算机仿真. 2024(02): 420-424+526 . 百度学术
    5. 郑建，戚峰，陈凡，赖欢欢，郑伟，陈孙胜，瞿合祚，郑俊翔. 变电站自动化系统从IPv4到IPv6的网络迁移策略. 电力信息与通信技术. 2024(04): 77-85 . 百度学术
    6. 杨哲，陈云柯. 移动PI-HMIPv6快速切换技术及仿真分析. 科学技术创新. 2024(10): 78-81 . 百度学术
    7. 周海徽. 基于演化博弈的大数据信息泄漏风险访问控制模型设计. 计算机测量与控制. 2024(06): 139-144+151 . 百度学术
    8. 侯冰楠，刘宁，李雄略，周桐庆，陈颖文，蔡志平，卢凯. 基于目标生成的IPv6网络地址扫描综述. 计算机研究与发展. 2024(09): 2307-2320 . 本站查看
    9. 范仲恺，代昊琦，梁子键，陈禹旭，刘博. 企业互联网的多组件签名访问控制方法研究. 自动化仪表. 2024(09): 106-109+120 . 百度学术
    10. 陈志浩，吴昕铭，曹淼. 攻防博弈下深层次网络安全主动防御研究. 计算机仿真. 2024(12): 482-486 . 百度学术
    11. 宋小芹. 基于IPv6分段路由的高校网络流量调度算法. 信息与电脑(理论版). 2023(02): 218-220 . 百度学术
    12. 李蕾，孙歆. 基于角色划分的多源异构数据库安全访问控制. 自动化与仪器仪表. 2023(05): 56-59+64 . 百度学术
    13. 王铭，杨赫鸣，佘安琪，王文. 基于MF-DL的IPv4网络DDoS攻击快速防御机制研究. 长江信息通信. 2023(10): 181-183 . 百度学术
    14. 韩俐，宋吉祥，孙士民. SD-IoT中基于设备地址的移动目标防御机制研究. 信息网络安全. 2022(11): 36-46 . 百度学术

    其他类型引用(5)

    • 资源附件(0)
计量
  • 文章访问数:  288
  • HTML全文浏览量:  7
  • PDF下载量:  188
  • 被引次数: 19
出版历程
  • 发布日期:  2022-08-31

目录

摘要
HTML全文
    参考文献(0)
    相关文章
    施引文献
    资源附件(0)

    /

    返回文章
    返回
    邮件订阅 RSS
    微信订阅号<br/>（实时资讯）

    微信订阅号
    （实时资讯）

    微信服务号<br/>（同步网站）

    微信服务号
    （同步网站）

    微信视频号<br/>（视频分享）

    微信视频号
    （视频分享）

    CCF<br/>（扫码入会）

    CCF
    （扫码入会）

    版权所有 © 《计算机研究与发展》编辑部

    本系统由北京仁和汇智信息技术有限公司开发  百度统计