基于图神经网络的知识图谱补全方法研究.pdfVIP

摘要

知识图谱是一种具有语义处理和开放互联能力的知识库，在搜索引擎优化、智能交

互应答以及个性化推荐等领域发挥着重要作用。但在实际应用中，由于知识图谱的构建

过程高度依赖人工参与，难以覆盖所有实体和关系，导致知识图谱常常面临数据缺失的

困境。为应对这一挑战，知识图谱补全技术逐渐成为研究热点。在知识图谱补全技术的

研究中，推理方法起着至关重要的作用。其中，传导推理和归纳推理是两种常用的推理

方法，在处理图谱中缺失链接时各有侧重和优势，共同提升了知识图谱的扩展与完善。

本文的研究主要围绕着传导推理和归纳推理进行，研究内容如下：

（1）传导推理指的是在已知训练数据范围内进行推理，即仅利用训练阶段见过的实

体或节点来进行预测，不涉及新的、未见过的实体或节点。在传导推理中，基于图神经

网络的模型通常能够很好地捕捉实体的邻域结构，但往往会忽略关系类型中蕴含的语义

信息。为此，本文提出了一种基于双视图图神经网络的知识图谱传导推理模型—DGE-

ASR。该模型通过将双视图图神经网络与注意力机制相结合，有效地捕捉了关系语义信

息，从而缓解了关系类型中语义信息丢失的问题。在此基础上，该模型还引入了跳跃连

接和残差连接机制，以缓解图神经网络中常见的过度平滑和梯度消失问题。实验结果表