在知识图谱实体关系预测中对DistMult解码器的优化研究

国家电网甘肃电力科学院希望通过大量科研文献构建电力行业知识图谱,并深度挖掘知识图谱中的的潜在关联。关系预测模型是解决这类问题的关键技术,也是知识图谱中的重要技术,是近年来科研工作者的研究热点。大量论文和实验已经证明使用编码器加解码器组合的框架在关系预测任务中有不错的表现。在这种框架下,由于图神经网络技术的进步,近年来有有不少工作通过以图神经网络为编码器并加以优化的方案来提升关系预测的效果,而忽略了解码器的作用。受到余弦相似度的启发,提出了基于DistMult的新型解码器COS-DistMult,并在真实的数据集上进行对比实验。实验结果表明,关系预测模型的评价指标Hits@10的值提高了2%左右,证明在以编码器加解码器为框架的关系预测任务中,优化解码器结构是一种行之有效的方法。