利用基于 GAT 的新方法增强异构知识图谱的完成
原文中文,约300字,阅读约需1分钟。发表于: 。GATH is a novel GAT-based method that addresses the overfitting and performance issues of existing methods when completing knowledge graphs, particularly in the context of heterogeneous KGs.
提出了一种名为Directional Graph Attention Network (DGAT)的新型图神经网络结构,通过特征注意力和全局方向信息提高图信息的传播能力,并通过拓扑信息引导的节点剪枝和边添加机制以及新的拉普拉斯矩阵来改善GAT的局限性。实验证明DGAT在真实数据集和合成数据集上性能优于传统的GAT模型,并在7个真实数据集中的6个数据集上超越了现有的最先进模型。