Page 248 - 《软件学报》2025年第12期

软件学报 ISSN 1000-9825, CODEN RUXUEW E-mail: jos@iscas.ac.cn
2025,36(12):5629−5643 [doi: 10.13328/j.cnki.jos.007401] [CSTR: 32375.14.jos.007401] http://www.jos.org.cn
©中国科学院软件研究所版权所有. Tel: +86-10-62562563

*
带有差异化机制的多视角归纳式知识图谱补全框架

童翰文 1,2 , 钱羽希 4 , 刘井平 3 , 梁祖杰 4 , 肖仰华 1,2 , 韦 峰 4 , 郝正鸿 4 , 韩 冰 4

1
(复旦大学 计算机科学技术学院, 上海 200438)
(上海市数据科学重点实验室 (复旦大学), 上海 200438)
2
3
(华东理工大学 信息科学与工程学院, 上海 200237)
4
(蚂蚁集团, 上海 200010)
通信作者: 刘井平, E-mail: jingpingliu@ecust.edu.cn; 肖仰华, E-mail: shawyh@fudan.edu.cn
摘 要: 知识图谱补全模型需要具备归纳能力, 才能够随着知识图谱的扩充泛化到新实体上. 然而, 现有的方法都
只能通过聚合知识图谱中的邻居信息, 从一个局部的视角来理解实体的语义, 从而导致无法从不同的视角捕捉到
实体之间的多种有价值的关联. 在局部视角以外, 通过非显式连接实体之间和远距离连接实体之间的交互, 从而以
全局视角和序列视角来进一步理解实体是至关重要的. 更重要的是, 强调通过多个不同视角聚合到的信息应当是
互补的, 而不是冗余的. 因此, 提出一个带有差异化机制的多视角知识图谱补全框架, 用于归纳式知识图谱补全任
务. 它能够从多个不同视角学习到互补的、互不重叠的实体表示. 具体来说, 除了通过关系图卷积网络聚合邻居信
息得到实体的局部表示外, 设计一种基于注意力的差异化机制, 用于从语义相关的实体和实体相关路径中聚合得
到实体的全局和序列表示. 最终, 融合这些表示, 并基于它们给三元组打分. 实验结果证明, 所提方法在归纳式的设
定下超越了当前最先进的方法. 此外, 所提方法在直推式的知识图谱补全任务中也保持着有竞争力的表现.
关键词: 归纳式知识图谱补全; 多视角框架; 差异化机制; 知识图谱
中图法分类号: TP182

中文引用格式: 童翰文, 钱羽希, 刘井平, 梁祖杰, 肖仰华, 韦峰, 郝正鸿, 韩冰. 带有差异化机制的多视角归纳式知识图谱补全框
架. 软件学报, 2025, 36(12): 5629–5643. http://www.jos.org.cn/1000-9825/7401.htm
英文引用格式: Tong HW, Qian YX, Liu JP, Liang ZJ, Xiao YH, Wei F, Hao ZH, Han B. Multi-view Framework for Inductive
Knowledge Graph Completion with Differentiation Mechanism. Ruan Jian Xue Bao/Journal of Software, 2025, 36(12): 5629–5643 (in
Chinese). http://www.jos.org.cn/1000-9825/7401.htm

Multi-view Framework for Inductive Knowledge Graph Completion with Differentiation
Mechanism

4
3
4
1,2
4
1,2
TONG Han-Wen , QIAN Yu-Xi , LIU Jing-Ping , LIANG Zu-Jie , XIAO Yang-Hua , WEI Feng ,
4
HAO Zheng-Hong , HAN Bing 4
1
(School of Computer Science, Fudan University, Shanghai 200438, China)
2
(Shanghai Key Laboratory of Data Science (Fudan University), Shanghai 200438, China)
3
(School of Information Science and Engineering, East China University of Science and Technology, Shanghai 200237, China)
4
(Ant Group, Shanghai 200010, China)
Abstract: Knowledge graph completion (KGC) models require inductive ability to generalize to new entities as the knowledge graph
expands. However, current approaches understand entities only from a local perspective by aggregating neighboring information, failing to

* 基金项目: 国家自然科学基金青年科学基金 (62306112); 上海市青年科技英才扬帆计划 (23YF1409400); 上海市基础研究特区计划
(22TQ1400100-20)
童翰文和钱羽希为共同第一作者.
收稿时间: 2024-04-07; 修改时间: 2024-11-26; 采用时间: 2025-02-10; jos 在线出版时间: 2025-06-11
CNKI 网络首发时间: 2025-06-11