亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

GS-InGAT: An interaction graph attention network with global semantic for knowledge graph completion

计算机科学 图形 理论计算机科学 注意力网络 嵌入 知识图 水准点(测量) 人工智能 大地测量学 地理
作者
Hong Yin,Jiang Zhong,Chen Wang,Rongzhen Li,Xue Li
出处
期刊:Expert Systems With Applications [Elsevier]
卷期号:228: 120380-120380 被引量:13
标识
DOI:10.1016/j.eswa.2023.120380
摘要

Knowledge graph completion (KGC) aims to infer missing links between entities based on the observed ones. Current KGC methods primarily focus on KG embedding models, which project entities and relations as low-dimensional vectors. Recently, the combination of textual information with graph neural network models has drawn extensive attention due to their superiority in utilizing topological structures, benefiting from the message passing mechanism, and their effectiveness in supplementing structural information. Nevertheless, previous methods suffer from the following two limitations. First, they always treat the textual information as an independent instance to enhance the corresponding entities, without considering the global semantic within the KG. Second, Graph Neural Networks (GNNs) typically assume that the neighbors of a node are independent of each other, ignoring the possible interactions between them. To eliminate these limitations, we creatively propose a KGC method called GS-InGAT (Interaction Graph ATtention Network with Global Semantic). Concretely, we utilize a semantic graph to model the semantic relationships and obtain the global semantic representations for entities based on it. Furthermore, we introduce an efficient Interaction Graph ATtention network (InGAT) that can simultaneously capture both the interaction and local information of entities, which can be fused to generate structural representations. Finally, we feed the combination of the semantic and structural representations, along with relation representations, into the decoder to score triples. Experimental results demonstrate that the GS-InGAT consistently attains comparable performance on benchmark datasets, verifying the effectiveness of considering the global semantic and interactions between neighbors.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
13秒前
宁异勿同完成签到,获得积分10
28秒前
37秒前
科研通AI2S应助踏实的芸遥采纳,获得30
1分钟前
1分钟前
1分钟前
poki完成签到 ,获得积分10
1分钟前
zz发布了新的文献求助10
1分钟前
1分钟前
2分钟前
houha233完成签到,获得积分10
2分钟前
3分钟前
xuhanghang发布了新的文献求助10
3分钟前
空曲完成签到 ,获得积分10
5分钟前
6分钟前
大模型应助zz采纳,获得10
6分钟前
木森ab发布了新的文献求助10
6分钟前
JamesPei应助木森ab采纳,获得10
6分钟前
木森ab完成签到,获得积分20
6分钟前
朱朱完成签到,获得积分10
6分钟前
大个应助朱朱采纳,获得10
7分钟前
April完成签到 ,获得积分10
7分钟前
古炮完成签到 ,获得积分10
10分钟前
香蕉觅云应助Zephyr采纳,获得30
11分钟前
12分钟前
hhhhhhhhhh完成签到 ,获得积分10
12分钟前
小巧的柏柳完成签到 ,获得积分10
13分钟前
Setlla完成签到 ,获得积分10
13分钟前
Aries完成签到 ,获得积分10
13分钟前
研友_VZG7GZ应助lik采纳,获得10
13分钟前
Zephyr发布了新的文献求助30
13分钟前
13分钟前
14分钟前
小巫发布了新的文献求助10
14分钟前
14分钟前
zz发布了新的文献求助10
14分钟前
zz完成签到,获得积分10
14分钟前
重生之我怎么变院士了完成签到 ,获得积分10
14分钟前
14分钟前
fleeper发布了新的文献求助10
14分钟前
高分求助中
The Oxford Handbook of Social Cognition (Second Edition, 2024) 1050
Kinetics of the Esterification Between 2-[(4-hydroxybutoxy)carbonyl] Benzoic Acid with 1,4-Butanediol: Tetrabutyl Orthotitanate as Catalyst 1000
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Handbook of Qualitative Cross-Cultural Research Methods 600
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3139600
求助须知:如何正确求助?哪些是违规求助? 2790479
关于积分的说明 7795340
捐赠科研通 2446926
什么是DOI,文献DOI怎么找? 1301511
科研通“疑难数据库(出版商)”最低求助积分说明 626259
版权声明 601176