基于分布式表示和多特征融合的知识库三元组分类

摘要：

三元组分类是知识库补全及关系抽取的重要技术.当前的state-of-the-art三元组分类方法通常基于TransE来构建知识库实体和关系的分布式表示.然而,TransE方法仅仅适用于处理1对1类型的关系,无法很好的处理1对多、多对1及多对多类型的关系.针对上述问题,在分布式表示的基础上,提出了一种特征融合的方法—TCSF,通过综合利用三元组的距离、关系的先验概率及实体与关系上下文的拟合度来进行分类.在四种公开的数据集(WN11、WN18、FB13、FB15K)上的测试结果显示,TCSF在三元组分类上的效果超过现有的state-of-the-art模型.

关键词： 知识库 深度学习 三元组分类 分布式表示 多特征融合

作者: 安波 韩先培 孙乐 吴健

作者单位: 中国科学院软件研究所中文信息处理研究室,北京100190

会议类型: 国内会议

会议名称: 第十五届全国计算语言学学术会议(CCL2016)暨第四届基于自然标注大数据的自然语言处理国际学术研讨会(NLP-NABD-2016)

会议地点: 烟台

会议语种:中文

页码: 1-10

在线出版日期: 2016-10-14（万方平台首次上网日期，不代表论文的发表时间）