软件学报:jos:7667 · 记录 #1

RinKGC: 角色交互关系感知的知识图谱补全方法

来源日期 2026-09-23

来源记录日期 2026-09-23

雷达观测 2026-11-01 16:34

摘要

知识图谱补全是更新知识图谱的重要手段. 然而, 知识图谱通常包含许多复杂关系类型, 导致同一实体在不同的三元组中扮演着不同的角色. 此外, 实体本身蕴含着多样化的属性与语义特征, 不同三元组对实体语义的关注维度不尽相同. 针对上述挑战, 提出一种基于角色交互关系感知的知识图谱补全方法RinKGC, 该方法包含3个模块, 分别是角色线索生成模块、角色交互关系挖掘模块和角色语义增强模块. 具体地, 角色线索生成模块能够准确定位三元组中头实体、关系和尾实体的角色, 增强实体和关系之间的交互, 同时通过残差连接在不同层之间传递语义信息. 角色交互关系挖掘模块将实体和关系的特征维度划分为多个子空间, 并在各子空间中分别建模实体和关系的交互, 实现对不同语义特征的高效感知. 角色语义增强模块则是通过利用互补信息来实现目标实体的准确预测. 此外, 引入Transformer作为主干网络, 揭示不同三元组之间的长距离语义依赖关系. 通过在多个公开知识图谱补全数据集上的大量实验, 展现RinKGC方法获得的优异性能.