一种融入实体描述的自适应知识表示模型

翟社平，王书桓，尚定蓉，董苏苏

(1. 西安邮电大学 计算机学院，陕西 西安 710121；2. 陕西省网络数据分析与智能处理重点实验室，陕西 西安 710121)

0 引言

知识图谱是一种结构化语义知识库，存储了现实世界中复杂的结构化信息，已成功应用于智能问答[1]、个性化推荐[2]等领域。知识图谱通常是以网络和图的结构来表示三元组中的元素，网络和图中的节点表示实体，节点之间的边表示不同实体之间的关系，通常使用三元组(头实体，关系，尾实体)来表示，也用符号(h,r,t)表示。近年来，大规模知识图谱的构建已经取得了很大进步，例如WordNet[3]，Freebase[4]。但是，它们仍存在着严重的数据不完整和数据稀疏等问题。

为了解决上述问题，基于深度学习的知识表示方法引起学者的关注，TransE[5]便是其中最典型的模型，它将三元组中的元素(实体或关系)编码到低维空间中，实体与关系的嵌入通过最小化得分函数得到。然而，TransE及其扩展模型仅利用三元组的结构信息，很难准确表示好长尾实体的语义信息。因此有学者提出利用实体的多源信息来改善知识表示，例如实体描述、实体属性等。

在知识图谱中，大多数实体存在着简洁的文本描述，其中包含与这些实体相关的丰富语义信息。例如，在图1中展示了Freebase中的一个三元组及相关实体描述信息。可以看出，文本描述中存在着实体的一些附加信息，将这些信息融入知识表示中可以补充缺失的语义信息，有效缓解数据稀疏等问题。因此，一些工作[6-9]开始引入文本信息来改善知识表示，但是这些方法仍存在不足： ①尚未提出三元组结构信息与文本信息联合表示的有效方法。……