Duration-HyTE:基于持续时间建模的时间感知知识表示学习方法

摘要

知识表示学习是知识获取与应用的基础,是贯穿知识图谱构建与应用全过程的重要问题,伴随含有时间标签的大型知识图谱的发展,近几年时间感知的知识表示学习成为该领域研究热点之一.针对传统方法不能有效学习知识持续时长分布规律的问题,融合超平面和有效持续时间建模,提出一种时间感知知识表示学习方法Duration-HyTE.首先,将元事实按照有效持续时间分类,对知识有效持续时间进行建模,提出知识有效可信度的计算方法,将其作用于训练过程评价函数和损失函数的计算,最后在含有时间标签的数据集Wikidata12K、YAGO11K和新建立的持续型关系数据集上进行对比实验,结果表明与其他同类方法相比,Duration-HyTE方法在实体和关系的链接预测和时间预测上性能得到有效提升,尤其在Wikidata12K数据集上,经Duration-HyTE训练得到的知识表示模型对于头尾实体的预测效果比当前最优的表示方法分别提升了25.7%和35.8%,有效提高了链接预测准确率.