融合软奖励和退出机制的WGAN知识图谱补全方法

摘要

基于强化学习的方法在知识图谱补全任务中虽然具有较好的表现,但存在智能体得到的指导奖励质量偏低、关系路径判定易错等问题.为此,提出一种融合软奖励和退出机制的对抗学习推理方法(WGAN reward and exit,WGAN-RE),在生成式对抗网络中引入软奖励和动作退出机制.利用知识嵌入模型构建外部软奖励机制,增强强化学习过程中的奖励机制;利用动作退出机制对路径上的中间实体随机掩盖外向边,并强制搜索路径集,稀释无意义路径的影响.在FB15K-237和NELL-995数据集上与多种强化学习方法进行对比实验,结果表明,所提方法的路径搜索成功率最高,在事实预测和链接预测任务上其性能均有显著提升.