摘要
现有知识推理模型大多存在以下问题:依赖局部一阶邻域,忽略实体周围丰富的多跳领域结构;无法捕捉三元组中不同关系的独特语义内涵;在获取邻域信息时引入噪声。针对这些问题,提出一种融合邻域感知图自注意力机制的知识图谱推理模型NA-GAT。该模型分为两个阶段。第一阶段是具有邻域聚集策略的图注意力网络(GAT),此网络将特征信息聚合,生成三种不同的局部结构,并依据结构信息推导出对推理有积极影响的实体。第二阶段是邻域感知自注意力机制,在计算注意力得分时,通过添加实体相似度矩阵,让模型能更好地从邻域实体获取信息以进行推理。在两个数据集上的实验结果显示,NA-GAT在指标MRR和Hits@k(k=1, 3, 10)上均得到有效提升。就指标MRR而言,与ComDensE模型相比,NA-GAT在FB15k-237数据集和WN18RR数据集中分别提升了1.2个百分点和0.6个百分点。
出处
《物联网技术》
2025年第9期53-58,63,共7页
Internet of things technologies
基金
宁夏重点研发项目(2023BSB03066)
国家自然科学基金资助项目(62066038)
宁夏大学2024研究生创新项目(CXXM2024-05)。
