發(fā)布時間：2021-03-16 06:58

　　知識圖譜作為一個高度互聯(lián)的語義網(wǎng)絡,在智能化服務中發(fā)揮著重要作用。但是,復雜的語義關(guān)系給知識融合帶來了巨大的挑戰(zhàn),導致實體匹配計算時精度較低。為此,本文對知識融合中的知識嵌入和實體對齊技術(shù)進行研究,通過注意力機制加強實體和關(guān)系的語義特征,并在實體匹配計算時通過聯(lián)合類型匹配提升融合對齊的準確率。本文主要工作和貢獻如下:（1）提出了基于翻譯和注意力機制的知識嵌入模型。傳統(tǒng)翻譯模型只建模了三元組內(nèi)部結(jié)構(gòu)特性,導致鏈接預測時精度較低。本文利用全局注意力機制為實體表示分配屬性節(jié)點特征,利用自注意力機制處理標簽詞序列為關(guān)系表示融入文本特征,解決了實體和關(guān)系表示語義特征不足的缺點。實驗表明本文方法相比TransE、TransH、TransR等傳統(tǒng)翻譯模型能有效提升知識表示的質(zhì)量。（2）提出了聯(lián)合類型匹配的跨知識圖譜實體對齊模型�，F(xiàn)有基于知識嵌入的方法僅根據(jù)實體向量的相似度進行匹配計算,導致實體對齊精度較低。本文利用實體類型特征,在對齊模型上附加類型匹配約束來加強選擇條件,同時運用迭代實體對齊方法克服標注數(shù)據(jù)少的問題。實驗表明本文方法相比JE、MTransE、IPTransE等方法能有效提升實體對齊的... 

【文章來源】：電子科技大學四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：75 頁

【學位級別】：碩士

【部分圖文】：

Transformer模型中的多頭注意力[43]

公共安全領(lǐng)域知識圖譜展示效果

【參考文獻】：
期刊論文
[1]知識圖譜研究進展[J]. 漆桂林,高桓,吳天星.  情報工程. 2017(01)
[2]知識圖譜技術(shù)綜述[J]. 徐增林,盛泳潘,賀麗榮,王雅芳.  電子科技大學學報. 2016(04)
[3]知識庫實體對齊技術(shù)綜述[J]. 莊嚴,李國良,馮建華.  計算機研究與發(fā)展. 2016(01)



本文編號：3085613