Page 194 - 《软件学报》2025年第4期

1600 软件学报 2025 年第 36 卷第 4 期

0.545 0.365
LSTM Hit@10 GRU Hit@10 LSTM MRR GRU MRR
0.535 0.355
Hit@10 0.525 MRR 0.345

0.515 0.335
0.505 0.325
1 2 3 4 5 1 2 3 4 5
RNN 层数 RNN 层数
(a) FB15k-237 数据集
0.94 0.92
LSTM Hit@10 GRU Hit@10 LSTM MRR GRU MRR
0.93 0.91
0.92 0.90
Hit@10 0.91 MRR 0.89
0.90 0.88
0.89 0.87
0.88 0.86
1 2 3 4 5 1 2 3 4 5
RNN 层数 RNN 层数
(b) WN9 数据集
图 5 RNN 层数对于实验结果的影响

4.5 聚合算子的影响
考虑到知识图谱包含的三元组数量巨大, 为了降低对显存的要求, 本文使用 3 种常规的不引入额外参数的聚
所示. 根据实验结果可知, 在
数据集上使用
合方法: 减法 (Sub), 乘法 (Mult), 共现 (Corr), 实验结果表 0.539
6
FB15k-237
ConvE 解码器的情况下, 就指标 MRR 而言, 采用 LSTM 结构融合过滤, 使用乘法算子相较于减法算子和共现算子,
性能分别提升了 0.4% 和 0.5%; 采用 GRU 模态融合结构, 使用乘法算子相较于减法算子和共现算子, 性能分别提
升了 0.3% 和 0.2%. 在 WN9 数据集上, 采用 LSTM 和 GRU 结构, 乘法算子同样都是明显优于减法和共现算子. 这
些结果表明乘法聚合算子对于本文提出的方法是一个不错的选择.

表 6 聚合算子和解码器对于实验结果的影响

Sub Mult Corr
数据集 解码器 LSTM GRU LSTM GRU LSTM GRU
Hit@10 MRR Hit@10 MRR Hit@10 MRR Hit@10 MRR Hit@10 MRR Hit@10 MRR
D 0.519 0.340 0.515 0.336 0.517 0.337 0.517 0.338 0.521 0.341 0.519 0.354
FB15k-237 C 0.517 0.340 0.519 0.339 0.521 0.339 0.521 0.340 0.519 0.339 0.519 0.339
CE 0.534 0.353 0.538 0.353 0.357 0.538 0.356 0.530 0.352 0.534 0.354
D 0.915 0.770 0.917 0.771 0.920 0.759 0.912 0.771 0.914 0.766 0.915 0.760
WN9 C 0.925 0.909 0.925 0.906 0.923 0.911 0.922 0.909 0.903 0.910 0.926 0.910
CE 0.920 0.910 0.924 0.913 0.926 0.913 0.926 0.914 0.923 0.910 0.920 0.909
注: D、C、CE依次表示DistMult, ComplEx, ConvE

4.6 解码器的影响
为了验证本文提出的编码器结构在不同解码器 (DistMult, ComplEx, ConvE) 下的性能表现, 我们将编码器与
不同的解码器进行拼接, 实验结果如表 6 所示. 根据实验结果, 以乘法聚合算子和 LSTM 模态过滤融合为例, 就
MRR 指标而言, 相比于 DistMult 和 ComplEx, ConvE 解码器在 FB15k-237 数据集上的性能分别高了 2.0% 和