多条件潜在扩散网络

语义感知去噪

通过同时学习语义条件和结构先验，降低噪声邻域干扰，提升知识图谱补全的准确率。

Siyuan, Li · 张亮 · 金博 · 魏小鹏

Knowledge-Based Systems 2026

参数信息

平均倒数排名

55.1 %

Hits@1

52.9 %

平均倒数排名

57.4 %

Hits@1

79.8 %

技术优势

不用人工设计条件

MCDN 从实体侧和关系侧上下文学习语义条件，自动获得消歧所需的证据。

能抑制噪声邻域

语义感知的 Top-K 策略筛选出最相关的邻居，降低噪声干扰，提升预测的鲁棒性。

多条件自适应去噪

多条件去噪器在逆向扩散过程中自适应整合语义和结构条件，逐步恢复目标实体。

应用场景

• 知识驱动推理：自动补全大规模知识图谱中的缺失事实，支撑下游推理。
• 语义搜索：利用语义条件提升实体向量质量，改善搜索意图匹配。
• 图表示学习：提供融合语义与结构先验的图编码方法，增强稀疏图表示。