استكمال الرسم البياني المعرفي باستخدام نموذج لغوي مدرّب مسبقًا يعتمد على المعلومات الفئوية والانتباه التكراري متعدد الطبقات

يستغل استكمال الرسم البياني المعرفي (KGC) ثلاثيات الرسم البياني المعرفي المعروفة لاستنتاج وتوقع المعرفة المفقودة، مما يجعله واحدًا من مجالات البحث الرائدة في مجال الرسوم البيانية المعرفية. لا تزال هناك قيود في توليد تضمينات كيان عالية الجودة وفهم شامل للمعلومات السياقية للكيانات والعلاقات. للتغلب على هذه التحديات، يقدم هذا البحث طريقة جديدة لاستكمال الرسم البياني المعرفي تعتمد على نموذج لغوي مدرّب مسبقًا يحسن بشكل كبير جودة تضمينات الكيان من خلال دمج المعلومات الفئوية للكيان مع الأوصاف النصية. بالإضافة إلى ذلك، تستخدم هذه الطريقة شبكة انتباه تكرارية متعددة الطبقات مبتكرة بالتوازي مع PLMs، مما يعمق فهم المعلومات السياقية المشتركة للكيانات والعلاقات. تظهر النتائج التجريبية على مجموعات بيانات FB15k-237 وWN18RR أن النموذج المقترح يتفوق بشكل ملحوظ على النماذج الأساسية الحالية في مهام التنبؤ بالروابط.