球面坐标下基于语义分层的知识图谱补全方法

大多现有知识图谱补全方法普遍忽略了实体间客观存在的语义层次差异,为解决该问题,提出一种在球面坐标系下基于语义分层信息的知识图谱补全(knowledge graph completion on semantic hierarchy in spherical coordinates, SpHKC)模型。该方法将实体映射到球面坐标,位于不同球面的实体处于不同语义层级,球的半径越大,该球面上的实体所位于的语义层级越低。而关系则被建模为一个球面的实体向另一实体(位于相同球面或不同球面)的移动,包含旋转与定位操作,以处理实体语义层级异同的两种情况。球面坐标的极角和方位角也给予实体更丰富的表达形式。实验表明,SpHKC与当前主流方法在FB15k-237和WN18RR数据集上的效果基本持平,并且它在YAGO3-10数据集的平均倒数排名(mean reciprocal ranking, MRR)、Hits@10等重要指标上比相关研究的最新算法稳定提升约1%,证明了语义分层信息的有效性。