摘要:
地理知识图谱的表示学习需要根据正样本生成对应的负样本, 然而传统的负样本生成算法存在错误率高、地理知识图谱适配性差的问题。针对这一问题, 调整空间关系在地理知识图谱中的表达方式, 提出基于空间约束的负样本生成方法, 并将该方法应用至不同的知识图谱表示学习模型, 探讨其在地理知识图谱表示学习中的适配性。结果表明, 该算法具有较低的错误率, 同时适用于常见的两类知识图谱表示模型, 能够提高地理知识图谱表示学习的精度, 有助于地理知识图谱在地理研究中发挥更重要的作用。
高勇, 孟浩瀚, 叶超. 基于空间约束的地理知识图谱嵌入表示的负样本生成方法[J]. 北京大学学报自然科学版, 2023, 59(3): 434-444.
GAO Yong, MENG Haohan, YE Chao. A Spatially Constraint Negative Sample Generation Method for Geographic Knowledge Graph Embedding[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2023, 59(3): 434-444.