近日，日博best365官网计算机与信息工程学院马江涛副教授团队在Neural Networks上发表题为“BGAT-CCRF: A novel end-to-end model for knowledge graph noise correction” 的学术论文。

知识图谱( Knowledge Graph，KG )噪声消解旨在选择合适的候选知识图谱对KG中的噪声进行修正，进而提高构建的知识图谱的质量。现有的大多数研究需要从整个KG中选择候选实体修复噪声三元组，每次只能修复三元组中的一个噪声，因此在修复包含多个错误实体或关系的噪音三元组时性能有限，这极大地限制了知识图谱在真实场景中的应用。为了克服这个挑战，团队提出了一种端到端知识图谱噪声消解模型(BGAT-CCRF)，取得了更好的噪声修正效果。具体来说，团队构建了一个基于平衡的图注意力模型(BGAT)来学习三元组邻域中节点的特征，并根据节点的位置和出现频率来捕捉节点之间的相关性。此外，团队设计了一个受约束的条件随机场模型(CCRF)，在三个约束条件的指导下选择合适的候选者，以纠正三元组中的一个或多个噪声。通过这种方式，BGAT-CCRF可以从更小的域中选择多个候选实体同时修复三元组中的多个噪声。通过大量KG噪声消解实验验证了BGAT-CCRF的有效性。

计算机与信息工程学院马江涛副教授为该论文第一作者，天津师范大学为该论文第一署名单位。该研究得到了国家自然科学基金面上项目（62272163）、河南省科技攻关（242102211016）等项目的支持。

论文链接：

https://www.sciencedirect.com/science/article/abs/pii/S0893608024006397