KGRefiner: تحسين الرسم المعرفي لتحسين دقة طرق التنبؤ بالروابط الترجمية

إن مهمة التنبؤ بالروابط (Link Prediction) تتمثل في التنبؤ بالعلاقات المفقودة بين الكيانات في الرسم المعرفي (Knowledge Graph). وقد حاولت الدراسات الحديثة تحسين دقة التنبؤ بالروابط من خلال اقتراح نماذج تعتمد على زيادة عدد الطبقات في هياكل الشبكات العصبية. في هذه الورقة، نقترح طريقة جديدة لتحسين الرسم المعرفي، بحيث يمكن تنفيذ عملية التنبؤ بالروابط بدقة أكبر باستخدام نماذج ترجمية (Translational Models) ذات سرعة نسبية عالية. وتمتاز نماذج التنبؤ بالروابط الترجمية، مثل TransE وTransH وTransD، بأنها أقل تعقيدًا مقارنةً بالنهج القائمة على التعلم العميق. تعتمد طريقةنا على التسلسل الهرمي للعلاقات والكيانات في الرسم المعرفي، حيث نضيف معلومات الكيانات كعُقد مساعدة إلى الرسم، ونربطها بالعُقد التي تحتوي على هذه المعلومات ضمن تسلسلها الهرمي. وتبين نتائج تجاربنا أن طريقة التحسين المقترحة تُسهم بشكل ملحوظ في رفع أداء النماذج الترجمية للتنبؤ بالروابط، خصوصًا في مقاييس H@10 وMR وMRR.