基于關(guān)系縮放模型的電商知識圖譜鏈接預(yù)測問題研究

打開文本圖片集

摘要：針對電商知識圖譜鏈接預(yù)測模型精度較低且存在重復(fù)推薦同類型商品的問題，提出改進的關(guān)系縮放（Relation Scale，RS）模型?；赥ransE和TuckER模型，判斷三元組頭尾實體關(guān)系強弱，引入關(guān)系縮放因子，確定所有關(guān)系路徑權(quán)重，以提高模型收斂速度。實驗結(jié)果表明，基于OpenBG500數(shù)據(jù)集，改進模型的MRR、Hits@1、Hits@3和Hits@10均有提高；相較于傳統(tǒng)TransE模型，RSTransE的MRR和Hits@10分別提高了47.4%和71.1%；相較于傳統(tǒng)TuckER模型，RSTuckER的MRR和Hits@10分別提高了35.8%和28.4%。（剩余10202字）