近日，我校計算機與信息工程學(xué)院馬江濤副教授團隊在Neural Networks上發(fā)表題為“BGAT-CCRF: A novel end-to-end model for knowledge graph noise correction” 的學(xué)術(shù)論文。
知識圖譜( Knowledge Graph，KG )噪聲消解旨在選擇合適的候選知識圖譜對KG中的噪聲進行修正，進而提高構(gòu)建的知識圖譜的質(zhì)量。現(xiàn)有的大多數(shù)研究需要從整個KG中選擇候選實體修復(fù)噪聲三元組，每次只能修復(fù)三元組中的一個噪聲，因此在修復(fù)包含多個錯誤實體或關(guān)系的噪音三元組時性能有限，這極大地限制了知識圖譜在真實場景中的應(yīng)用。為了克服這個挑戰(zhàn)，團隊提出了一種端到端知識圖譜噪聲消解模型(BGAT-CCRF)，取得了更好的噪聲修正效果。具體來說，團隊構(gòu)建了一個基于平衡的圖注意力模型(BGAT)來學(xué)習(xí)三元組鄰域中節(jié)點的特征，并根據(jù)節(jié)點的位置和出現(xiàn)頻率來捕捉節(jié)點之間的相關(guān)性。此外，團隊設(shè)計了一個受約束的條件隨機場模型(CCRF)，在三個約束條件的指導(dǎo)下選擇合適的候選者，以糾正三元組中的一個或多個噪聲。通過這種方式，BGAT-CCRF可以從更小的域中選擇多個候選實體同時修復(fù)三元組中的多個噪聲。通過大量KG噪聲消解實驗驗證了BGAT-CCRF的有效性。
計算機與信息工程學(xué)院馬江濤副教授為該論文第一作者，天津師范大學(xué)為該論文第一署名單位。該研究得到了國家自然科學(xué)基金面上項目（62272163）、河南省科技攻關(guān)（242102211016）等項目的支持。
論文鏈接：
https://www.sciencedirect.com/science/article/abs/pii/S0893608024006397
科研進展