文献类型：期刊文章

作　　者：吴运兵[1] 朱丹红[1] 廖祥文[1,2] 张栋[1] 林开标[3]

机构地区：[1]福州大学数学与计算机科学学院,福州350116 [2]福州大学福建省网络计算与智能信息处理重点实验室,福州350116 [3]厦门理工学院计算机与信息工程学院,厦门361024

出　　处：《模式识别与人工智能》

基　　金：国家自然科学基金项目青年基金项目(No.61300105);福建省自然科学基金项目(No.2017J01755);福建省引导性项目(No.2016Y0060;2014Y0005);福建省教育厅科技项目(No.JA15082;JA14243);福建省教育厅中青年教师教育科研项目(No.JAT160077);厦门留学人员科研项目(No.XRS201631401)资助~~

年　　份：2017

卷　　号：30

期　　号：5

起止页码：473-480

语　　种：中文

收录情况：BDHX、BDHX2014、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：现有张量分解技术在用于知识图谱学习和推理过程中时,只考虑知识图谱中实体与实体间的直接关系,忽略知识图谱图形结构的特点.因此,文中提出基于路径张量分解的知识图谱推理算法(PRESCAL),利用路径排列算法(PRA)获得知识图谱中各实体对间的关系路径.然后对实体对间的关系路径进行张量分解,并在优化更新过程中采用交替最小二乘法.实验表明,在路径问题回答任务和实体链接预测任务中,PRESCAL可以取得较好的预测准确率.

关 键 词：张量分解 路径推理  知识图谱 路径排列算法(PRA)  

分 类 号：TP18]