通过实体邻域和关系上下文增强知识图谱补全

本研究解决了传统知识图谱补全方法在计算需求和可扩展性方面的挑战，提出了KGC-ERC框架，整合了实体邻域和关系上下文的信息，从而增强了生成语言模型的推理能力。同时，研究引入了一种采样策略，以优化上下文信息的利用，实验结果表明KGC-ERC在预测性能和可扩展性上优于或匹配现有的最佳基线。