TransP:一种基于WordNet中PartOf关系的知识图谱嵌入方法

在三元组(lip, PartOf, mouth)中,PartOf关系连接的头实体lip具有部分属性,尾实体mouth则具有整体属性,对这类三元组进行嵌入表示时,头实体和尾实体不应以同样的方式编码。对此,将PartOf关系三元组中的实体编码为一个球体,球心表示对应实体的低维语义空间向量,利用球体的相对位置关系对WordNet中实体间的PartOf关系进行建模,将其命名为TransP模型。在WN18数据集上对TransP进行了链接预测和三元组分类实验,验证了TransP模型的有效性。     

基于Word2Vec的WordNet词语相似度计算研究

当前大部分WordNet词语相似度计算方法由于未充分考虑词语的语义信息和位置关系,导致相似度的准确率降低.为解决上述问题,提出了一种使用词向量模型Word2Vec计算WordNet词语相似度的新方法.在构建WordNet数据集时提出一种新形式,不再使用传统的文本语料库,同时提出信息位置排列方法对数据集加以处理.利用Wo...     

一种基于IC参数的知识图谱嵌入方法

TransC是一种高效的知识图谱嵌入方法,通过区分概念和实例来建立概念、实例及关系的嵌入。TransC将概念编码为球体,球体半径被随机初始化并在训练中迭代更新。由此导致模型出现两个问题:一是训练得到的部分球体半径与模型训练目标不符;二是忽略了概念本身提供的语义信息。针对上述两个问题,该文提出了TransIC模型,首先,基于IC参数给出新的概念球体半径求解方法,使求得的半径满足TransC目标,并且丰富了概念嵌入向量的语义信息。其次,该模型以TransC为基础,在概念编码阶段引入基于IC参数的概念球体半径。最后,在公开的数据集YAGO39K上完成链接预测和三元组分类两个任务,并将该文方法实验所得性能与TransC及其他模型的性能进行对比。结果表明,TransIC在多数指标上均取得显著提升。