文本信息与图结构信息相融合的知识图谱补全.pdfVIP

第

1

期华东师范大学学报

(自然科学版)No.

1

2025

年

1

月Journal

of

East

China

Normal

University

(Natural

Science)Jan.

2025

文章编号：1000-5641(2025)01-0111-13

文本信息与图结构信息相融合的知识图谱补全

范厚龙,

房爱莲,

林欣

（华东师范大学

计算机科学与技术学院,

上海200062）

摘要:

提出了一种基于路径查询信息的图注意力模型,

可以将知识图谱中的文本信息与图结构信息有效

融合,

进而提高知识图谱的补全效果.

对于文本信息,

使用基于预训练语言模型的双编码器来分别获得实

体的嵌入表示和路径查询信息的嵌入表示.

通过注意力机制来进行路径查询信息的聚合,

以捕获图结构信

息,

更新实体的嵌入表示.

模型使用对比学习进行训练,

在多个知识图谱数据集上进行实验,

如直推式、归

纳式的方式,

都取得了良好的效果.

结果表明,

将预训练语言模型与图神经网络的优势相结合,

可以有效捕

获知识图谱中文本信息与图结构信息,

进而提高知识图谱的补全效果.

关键词:

知识图谱补全;

预训练语言模型;

对比学习;

图神经网络

中图分类号:

TP391文献标志码:

ADOI:

10.3969/j.issn.1000-5641.2025.01.009

Knowledgegraphcompletionbyintegratingtextualinformationandgraph

structureinformation

FAN

Houlong,

FANG

Ailian,

LIN

Xin

（SchoolofComputerScienceandTechnology,EastChinaNormalUniversity,Shanghai200062,China）

Abstract:

Based

upon

path

query

information,

we

propose

a

graph

attention

model

that

effectively

integrates

textual

and

graph

structure

information

in

knowledge

graphs,

thereby

enhancing

knowledge

graph

completion.

For

textual

information,

a

dual-encoder

based

on

pre-trained

language

models

is

utilized

to

separately

obtain

embedding

representations

of

entities

and

path

query

information.

Additionally,

an

attention

mechanism