知识图谱三元组置信度的测量

Answer 1

知识图谱构建过程中，错误和冲突难以避免，文章提出了一种新的度量模型——知识图谱三元组置信度测量模型（KGTtm），以量化知识的正确性和真实性。其核心是通过交叉神经网络，从实体、关系和整体图谱三个层面评估三元组的可信度，最终输出一个[0, 1]范围内的置信值，越接近1代表知识越可信。

模型详解：

KGTtm通过ResourceRank算法，基于资源流动强度来判断实体间关联性，借鉴PageRank原理，考虑有向图中资源的传递和噪声影响。另一个算法是Translation-based energy function（TEF），通过平移能量函数衡量实体间关系的可能性。可达路径推理（RPI）则考虑了语义相关路径的重要性，通过递归神经网络整合路径信息。

实验验证了模型的有效性，通过生成的负例对比，模型成功区分了正负三元组，且在精度与召回率上表现出色。与其他模型相比，KGTtm在错误检测能力上表现出显著优势，特别是在利用知识图谱的全局推理信息上。

总结来说，KGTtm是知识图谱质量提升的重要工具，能有效地识别和减少知识库中的错误，为知识驱动任务提供更准确的依据。