摘要: 知识图谱补全旨在通过预测缺失的三元组来扩展和完善知识图谱,多模态知识图谱补全融合了实体的本体信息,如实体描述、实体图像和实体属性,以获取更精确的实体表示。现有研究将不同模态投影到统一的空间中,以获取实体模态联合表示,再融合知识图谱结构信息做出预测。然而,现存方法融合多模态信息时难以捕捉实体背景知识的复杂交互,不可避免地存在信息丢失和特征提取能力不足的问题;同时过拟合及实体关系交互不足限制了二维卷积模型性能,导致难以融合知识图谱结构信息。因此,本文提出了多级融合知识图谱补全模型。为充分融合实体多模态信息,提出同时使用三种不同融合方法,并联合决策学习,旨在结合不同多模态融合方法提供的互补信息,以获取实体丰富多样的表示;为充分融合知识图谱结构信息,利用特征泛化来缓解二维卷积模型的过拟合问题,并结合特征重塑增强实体与关系间交互。实验结果表明,本文模型在多个公开数据集上均取得较好性能。