Author Archives: 谢庭玉

摘要 开放知识图(OpenKG)链接预测对于在问题回答和文本理解等应用程序中使用OpenKG非常重要。OpenKGs中的名词短语(NPs)和关系短语没有被规范化，这使得OpenKG的链接预测具有很高的挑战性。解决这一问题的现有方法将规范化信息注入到知识图嵌入模型中。然而，它们仍然不能充分利用NPs的语义。首先，两个不同的NPs，即使是指同一个实体，也可以携带不同版本的信息，这已经被以前的方法忽略了。其次，OpenKGs中NPs的邻域信息尚未被利用，其中包含了丰富的链路预测信息。基于这些观察结果，我们提出了OpenKG分段嵌入(OKGSE)方法。具体来说，为了充分捕获属于同一聚类的NPs的差异，我们学习了NP聚类和NP的单独嵌入部分。同时，我们通过将图上下文整合到语义匹配得分函数中来利用邻域信息。跨四个基准测试的广泛实验表明，OKGSE可以实现最先进的性能，并有效地捕获每个NP的独特语义。