基于不确定知识图谱嵌入的多关系近似推理模型

针对大规模知识图谱(KG)的不确定性嵌入模型中无法对多种逻辑关系进行近似推理的问题,提出一种基于不确定KG嵌入(UKGE)的多关系近似推理模型UDConEx(Uncertainty DistMult(Distance Multiplicative) and complex Convolution Embedding)。首先,UDConEx结合DistMult和ComplEx(Complex Embedding)模型的特点,使得UDConEx具有推理对称与非对称关系的能力;其次,UDConEx采用卷积神经网络(CNN)捕获不确定性KG中的交互信息,使它具有推理逆关系和传递关系的能力;最后,UDConEx利用神经网络对KG的不确定信息进行置信度学习,在UKGE空间中可以进行近似推理。在CN15k、NL27k和PPI5k这3个公开数据集上的实验结果表明,相较于MUKGE(Multiplex UKGE)模型,UDConEx在CN15k、NL27k和PPI5k的置信度预测任务中平均绝对误差(MAE)分别降低了6.3%,30.1%和44.9%;在关系事实排名任务中,基于线性的归一化折损累计增益(NDCG)在CN15k和NL27k数据集中分别提升了5.8%和2.6%;在多关系近似推理任务中验证了UDConEx具有多种逻辑关系的近似推理能力。UDConEx弥补了传统嵌入模型无法进行置信度预测的不足,实现了对多种逻辑关系的近似推理,具有更精确、具有可解释性的不确定性知识图谱推理能力。