自從語義網(wǎng)的概念提出以來,越來越多的開放鏈接數(shù)據(jù)和用戶生成內(nèi)容被發(fā)布于互聯(lián)網(wǎng)中,這使得Web數(shù)據(jù)呈現(xiàn)出結(jié)構(gòu)松散化、內(nèi)容碎片化、語義復(fù)雜化等特征,已不能滿足人們對信息快速、準確定位的需求。在結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化的Web數(shù)據(jù)規(guī)模呈指數(shù)型增長的環(huán)境下,知識圖譜為信息的高效處理提供了智能化的解決方案。知識圖譜在實體層面對本體進行了豐富和擴充,因而可被用于描述現(xiàn)實世界的實體及它們之間的語義關(guān)系,有助于人與機器更好的進行信息理解與交互操作,同時為人工智能技術(shù)的發(fā)展提供了重要的數(shù)據(jù)支撐。然而,除去Web數(shù)據(jù)規(guī)模的增長,Web數(shù)據(jù)的高速動態(tài)化也給知識圖譜的更新帶來了嚴峻挑戰(zhàn)。例如,在知識圖譜規(guī)模的擴張過程中,只能使用顯式關(guān)系將結(jié)構(gòu)化的知識以網(wǎng)絡(luò)的形式進行組織,使得知識圖譜實體間的潛在關(guān)系未得到充分挖掘。同時,知識圖譜更新明顯滯后于Web數(shù)據(jù)變化速度,使語義搜索的準確度、時效性受到了影響。本文在學(xué)習(xí)與分析知識圖譜補全相關(guān)理論技術(shù)的基礎(chǔ)上,從知識表示學(xué)習(xí)、知識圖譜推理角度開展研究,旨在優(yōu)化語義搜索系統(tǒng)的性能,提供高效、快速、準確的查詢服務(wù)。第一,提出一種基于知識圖譜語義張量的知識表示學(xué)習(xí)算法,以“R...

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖1：知識圖譜實現(xiàn)的技術(shù)流程示意圖

圖2.4知識圖譜可視化展現(xiàn)形式

西安郵電大學(xué)碩士學(xué)位論文幫助人們理解與分析數(shù)據(jù)。知識可視化用來傳達和表示復(fù)雜知識的目標(biāo)是進行知識的傳輸，幫助用戶正確重構(gòu)、記憶和應(yīng)用知識[49]知識圖譜常用的可視化展現(xiàn)形式，包括概念層次圖、思維導(dǎo)圖、認絡(luò)，如圖2.4所示。(a)概念層次圖(b)思維導(dǎo)圖

圖4.4算法準確率-召回率曲線橫向比較結(jié)果

n=30，Y根據(jù)不同數(shù)據(jù)集賦初始值，0G由Neo4j，將四種算法進行橫向?qū)Ρ葴y試，結(jié)果如圖4.3、圖4.4所示。圖4.3算法運行總時間

圖4.3算法運行總時間

錁浯?磽瓿傷?腥??閗更新G是是否否時鐘同步器圖4.2基于貝葉斯推理的潛在因子發(fā)現(xiàn)算法流程圖4.3實驗分析4.3.1實驗環(huán)境及數(shù)據(jù)本實驗平臺的硬件環(huán)境為Intel(R)Core(TM)i3-4160CPU@3.60GHz處理器，8GB物理內(nèi)存；軟件環(huán)境是....

本文編號：3930244