多语义关系嵌入的知识图谱补全方法

基于知识表示的知识图谱补全方法将实体与关系转化为分布式向量,通过向量计算补全缺失关系。现有的知识表示模型将关系看作单一向量,损失了部分关系语义。而传统关系多语义细分模型由于参数较多,时耗较大难以在大规模知识图谱上应用。提出了一种多语义关系嵌入的知识图谱补全方法(MSRE),在复数域空间中反向计算关系角度向量,基于Mean-Shift构建各关系的语义分量簇,优化RotatE得分函数为语义分量簇中最恰当的关系语义分量得分。该方法在扩充关系表示的同时,保证了三元组运算中的唯一性。在公开数据集FB15K-237、WN18RR上的链路预测和三元组分类的实验结果表明,该方法可以挖掘关系的潜在语义,保持较低的时间复杂度,且在多数指标上相较于主流模型有一定的性能提升。