Page 259 - 《软件学报》2025年第12期

5640 软件学报 2025 年第 36 卷第 12 期

联上. 其中的原因可能是实体会从几跳之内的受欢迎实体的丰富的信息中得到更多的信息增益, 而不是长尾实体.
然而, 将一个实体和远距离相连的长尾实体关联上能够使得它聚合到长尾实体的稀疏信息, 而这种稀疏信息很难
通过局部或全局视角聚合到. 因此, 该策略又会优于随机采样策略.

Allen Iverson Golden State Warriors Cross-country skiing
Dwyane Wade New York Knicks Alpine skiing
Lamar Odom Indiana Pacers Bobsleigh
Kevin Garnett Los Angeles Clippers Track and field athletics
Shaquille O’ Neal New Orleans Pelicans Skeleton
Ray Allen 2006 NBA draft Speed skating
Carmelo Anthony Chicago Bulls Short track speed skating
Stephen Jackson Boston Celtics Sailing
LeBron James Philadelphia 76ers Snowboarding
Magic Johnson 2005 NBA draft Nordic combined
(a) Kobe Bryant (b) Detroit Pistons (c) Ski jumping
OS X Electronic keyboard
Microsoft Windows Piano
Solaris Operating System Viola
Unix Violin
Windows Vista Cello
Android Mandolin
Microsoft Studios Banjo
Windows XP Accordion
FreeBSD Electric piano
PHP Harpsichord
(d) GNU/Linux (e) Electric violin
图 4 半归纳式设定下, 对全局注意力机制中注意力权重最高的实体的可视化

46
23.0 45
MRR (%) 22.5 Hits@10 (%) 44
22.0

21.5 43
21.0 42
20 40 60 80 100 20 40 60 80 100
M M
(a) 采样路径数 M 对模型性能的影响
p u,v∝ deg(u)+deg(v) p u,v∝ deg(u)+deg(v)
23.4 1 1 1 1
p u,v∝ + 46 p u,v ∝ +
deg(u) deg(v) random deg(v)
deg(u)
MRR (%) 23.0 Hits@10 (%) 45
random
23.2
22.8 44
43
(b) 边的采样概率 p u,v 对模型性能的影响
图 5 全归纳式设定下, 采样路径数和边的采样概率对模型性能的影响

5.7 推理效率的分析
真实世界中, 随着知识图谱的扩充, 知识图谱补全也需要考虑到实体和三元组数的增长. 因此, 推理效率是决
定知识图谱补全模型是否能够落地到真实应用中的一个重要因素. 为了展现本文框架的推理效率, 本文与其他最
先进的归纳式方法对每个查询的推理时间进行了比较, 并在表 6 中汇报了实验结果. 从表 6 中可以得出结论: 本文