DDGKGC 方法架构
Distance-Decaying Effect-Aware Geographic Knowledge Graph Completion
语义-距离融合模块
Semantic-Distance Fusion
- 语义信息聚合：捕获实体关系深层语义特征
- 距离衰减感知：通过Haversine公式和高斯核函数建模空间关联
双注意力表示学习
Dual-Attention Learning
- 实体表示：区分传出/传入邻域，精准聚合
- 关系表示：多头注意力机制捕捉复杂交互
模型训练优化
Training & Optimization
- ConvE得分函数：CNN捕捉实体关系交互
- BCE损失：二元交叉熵反向传播优化
核心公式体系
语义得分计算
通过可学习参数向量和三元组嵌入获取语义信息：
αsem_ijk = aT·LeakyReLU(W·vijk)
距离权重建模
Haversine公式计算地理距离，高斯核函数转化为权重：
weiej = exp(-d²eiej / 2σ²)
实验数据集
Multi-Geo
郑州市多源地理数据，19,874个实体，259,361个三元组
CityDirection
国内城市方位信息，3,298个实体，121,250个三元组
CountyDistance
县级行政区距离，2,900个实体，30,390个三元组
Countries-S3
国际基准数据集，272个实体，1,033个三元组