软件学报

作者：庞俊，刘小琪，谷峪，王鑫，赵宇海，张晓龙，于戈

单位：庞俊，武汉科技大学 计算机科学与技术学院, 湖北 武汉 430065;智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学), 湖北 武汉 43006511,刘小琪，武汉科技大学 计算机科学与技术学院, 湖北 武汉 430065;智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学), 湖北 武汉 43006502,谷峪，东北大学 计算机科学与工程学院, 辽宁 沈阳 11016903,王鑫，天津大学 智能与计算学部, 天津 30035404,赵宇海，东北大学 计算机科学与工程学院, 辽宁 沈阳 11016905,张晓龙，武汉科技大学 计算机科学与技术学院, 湖北 武汉 430065;智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学), 湖北 武汉 43006506,于戈，东北大学 计算机科学与工程学院, 辽宁 沈阳 11016907

关键词：知识超图;链接预测;多粒度;嵌入学习;注意力机制

基金：国家重点研发计划（2020AAA0108503）；国家自然科学基金（62072083，61972299）

在知识图谱中进行链接预测是图谱补全的有效方法，可以有效地改善知识图谱的数据质量.然而，现实生活中的关系往往是多元的，这些包含多元关系的知识图谱可称为知识超图（knowledge hypergraph，KHG）.然而，现有的知识超图链接预测模型忽略了多元关系的平等性（多元关系中实体不存在先后关系）与整体性（多元关系缺少一个实体则不成立）.针对以上问题，首先提出了一种知识超图多元关系表示模型，可以直接建模知识超图中的多元关系；然后研究了一种基于多粒度神经网络的链接预测方法（hyperedge prediction based on multi-granular attention network，HPMG）.该模型将关系划分为多重粒度进行学习，从不同粒度联合完成知识超图的学习和预测，充分考虑了知识超图中不同维度多元关系的整体性.接下来，针对HPMG特征融合不充分的问题，提出了基于多粒度注意力网络的知识超图链接预测方法HPMG+，结合全局和局部注意力，实现了不同特征的有区分融合，进一步提高了模型的性能.最后，真实数据集上的大量实验结果验证了所提方法的效果显著地优于所有基线方法.

来源：2023年第3期

《软件学报》期刊编辑部

查看软件学报杂志2023年第3期