基于关系缩放模型的电商知识图谱链接预测问题研究

打开文本图片集

摘要：针对电商知识图谱链接预测模型精度较低且存在重复推荐同类型商品的问题，提出改进的关系缩放（Relation Scale，RS）模型。基于TransE和TuckER模型，判断三元组头尾实体关系强弱，引入关系缩放因子，确定所有关系路径权重，以提高模型收敛速度。实验结果表明，基于OpenBG500数据集，改进模型的MRR、Hits@1、Hits@3和Hits@10均有提高；相较于传统TransE模型，RSTransE的MRR和Hits@10分别提高了47.4%和71.1%；相较于传统TuckER模型，RSTuckER的MRR和Hits@10分别提高了35.8%和28.4%。（剩余10202字）