张晓明，孙维雅，王会勇

（河北科技大学信息科学与工程学院，石家庄050000）

0 概述

随着知识图谱的快速发展，一些如DBpedia［1］、Freebase［2］和WordNet［3］等大规模开放知识图谱和领域知识图谱，已成功应用于智能问答、语义搜索与推荐、大数据分析与决策等任务以及金融和医疗等领域。然而，由于现实世界知识的迅速更新和增长，大量的知识未存在于构建好的知识图谱内，需要及时对知识图谱进行更新以满足应用需求。在更新过程中，不可避免地会引入一些噪声和冲突，影响了知识图谱的质量，因此，对知识的可信度进行评估是知识图谱构建过程中的重要步骤。传统的知识可信度评估主要依靠人工标注和监督的方式［4］，造成了人工以及时间成本的浪费。因此，构建一个高效的知识可信度评估模型具有重要意义。可信度评估模型通过对知识的可信度进行计算，处理引入的噪声，降低知识图谱内的噪声和冲突，提高知识图谱内的知识质量，从而推动知识图谱自动化构建工作的进展。

知识可信度评估旨在使用已知的背景信息对三元组的可信度进行计算。具体地，对于三元组的可信度，使用一个［0，1］区间的数值进行衡量，数值越接近0，三元组成立的可能性越小，数值越接近1，三元组成立的可能性越大［5］。目前，对于知识可信度评估的研究主要采用基于表示学习的方法，具有良好性能表现的模型包括基于交叉神经网络结构的可信度计算模型KGTtm［5］、带置信度的知识表示……