一种张量分解的知识图谱推理优化算法
【摘要】 随着信息爆炸，知识图谱推理算法在社会网络、生物信息学等许多领域都有着重要应用。现有RESCAL张量分解的知识图谱推理算法仅从信息论或数值分析角度进行了张量分解，未充分考虑知识图谱数据的复杂性。因此，基于RESCAL张量分解，对于知识图谱推理问题，提出了一种改进的优化算法，称为KLLS*-RESCAL算法。该算法通过融合相对熵与平方差设置新的损失函数，从信息论与数值分析两个角度进行张量分解，综合考虑知识图谱数据的复杂性。实验结果表明，在知识图谱推理中，KLLS*-RESCAL算法相对于其他RESCAL算法具有更高的预测准确率。
