近日，我校大数据与计算机科学学院欧卫华教授团队在人工智能领域国际TOP期刊《Knowledge-Based Systems》（中科院SCI一区，IF=7.6）在线发表题为“Completing knowledge graph via multi-geometric with metric alignment and curvature scheduling”的研究论文。

知识图谱是支撑语义推理、推荐系统、大语言模型、知识问答和生物医学研究等人工智能应用的重要基础。现有知识图谱补全方法多依赖单一几何空间或简单融合多种几何空间表示，难以同时刻画现实知识图谱中广泛存在的层级结构、链式关系、和循环结构。同时，不同几何空间之间存在度量尺度不一致、跨空间融合易产生距离失真、负曲率训练过程中梯度不稳定等问题，制约了知识图谱补全模型的准确性与鲁棒性。

MG-MACS的框架图

针对上述问题，团队创新性提出多几何度量对齐与曲率调度知识图谱补全框架 MG-MACS。该方法同时建模欧氏空间、双曲空间和球面空间中的知识表示，通过关系特定的等距变换保持各几何分支内部的测地距离结构，并将多分支表示统一映射到共享切空间中进行一次性融合，从而有效缓解跨几何空间的尺度不一致和距离失真问题。在此基础上，团队进一步设计了曲率调度机制，使模型训练从近似欧氏的稳定状态逐步过渡到学习得到的目标曲率，有效降低早期训练中的梯度放大和不稳定现象。此外，研究引入基于图拉普拉斯的谱正则化方法，抑制由伪负样本和稀疏数据引起的高频噪声，进一步提升模型在复杂知识图谱场景下的稳定性和泛化能力。

知识图谱补全结果

该论文第一作者系欧卫华教授（通讯作者）指导的博士研究生郑美琳。研究工作得到国家自然科学基金（62262005）、贵州省高层次创新人才项目（GCC[2023]033）、贵州省教育厅自然科学研究项目（QJJ[2024]009、QJJ[2023]011）的联合资助。

论文全文链接：https://doi.org/10.1016/j.knosys.2026.116221