近年來,知識圖譜的構(gòu)建和應(yīng)用迅速增長。知識圖譜是指其節(jié)點(diǎn)是現(xiàn)實(shí)世界中的實(shí)體并且邊是實(shí)體之間的關(guān)系的網(wǎng)絡(luò),表示為三元組形式（頭實(shí)體,關(guān)系,尾實(shí)體）。這樣由三元組形式的大量事實(shí)組成的網(wǎng)絡(luò)建立了人類知識的結(jié)構(gòu)系統(tǒng)。人們已經(jīng)創(chuàng)建了大量的知識圖譜,例如YAGO,NELL和Freebase。并且人們成功將其應(yīng)用于很多領(lǐng)域,從語義解析和命名實(shí)體消歧到信息提取和問答。雖然這種結(jié)構(gòu)能有效地表示結(jié)構(gòu)化數(shù)據(jù),但它卻很難表述三元組的潛在屬性。因此,人們提出了一種新的研究方向,稱為知識圖譜嵌入。其關(guān)鍵思想是將知識圖譜的組件（包括實(shí)體和關(guān)系）嵌入到連續(xù)的向量空間中,以便在保留知識圖譜的固有結(jié)構(gòu)的同時簡化操作。這些實(shí)體和關(guān)系嵌入可以進(jìn)一步用于完成各種任務(wù),例如知識圖譜補(bǔ)全、關(guān)系提取、實(shí)體分類和實(shí)體解析。這些模型嘗試使用不同的方法對三元組進(jìn)行評分,目標(biāo)是區(qū)分正例和反例。訓(xùn)練數(shù)據(jù)采樣對于嵌入模型的更快和更好的收斂非常重要。目前,反例抽樣引起了很多關(guān)注。為了減少訓(xùn)練中無效的反例樣本,基于翻譯的模型設(shè)置了替換頭部或尾部實(shí)體的不同概率。研究了每個正例訓(xùn)練樣本產(chǎn)生的反例數(shù)量的影響。在重組的三元組生成中也考慮實(shí)體的類型信息。此外... 

【文章來源】：吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：69 頁

【學(xué)位級別】：碩士

【部分圖文】：

TransE改進(jìn)算法訓(xùn)練流程圖

第4章實(shí)驗(yàn)驗(yàn)證38圖4.1伯努利分布下FB15K數(shù)據(jù)集迭代20次Hits@10結(jié)果趨勢圖圖4.2伯努利分布下FB15K數(shù)據(jù)集迭代20次MeanRank結(jié)果趨勢圖

第4章實(shí)驗(yàn)驗(yàn)證38圖4.1伯努利分布下FB15K數(shù)據(jù)集迭代20次Hits@10結(jié)果趨勢圖圖4.2伯努利分布下FB15K數(shù)據(jù)集迭代20次MeanRank結(jié)果趨勢圖

【參考文獻(xiàn)】：
期刊論文
[1]基于表示學(xué)習(xí)和語義要素感知的關(guān)系推理算法[J]. 劉嶠,韓明皓,楊曉慧,劉瑤,吳祖峰.  計算機(jī)研究與發(fā)展. 2017(08)
[2]知識圖譜構(gòu)建技術(shù)綜述[J]. 劉嶠,李楊,段宏,劉瑤,秦志光.  計算機(jī)研究與發(fā)展. 2016(03)
[3]知識表示學(xué)習(xí)研究進(jìn)展[J]. 劉知遠(yuǎn),孫茂松,林衍凱,謝若冰.  計算機(jī)研究與發(fā)展. 2016(02)
[4]基于語義網(wǎng)的教育應(yīng)用研究現(xiàn)狀分析[J]. 劉清堂,黃景修,吳林靜,郭志強(qiáng).  現(xiàn)代遠(yuǎn)距離教育. 2015(01)



本文編號：3282081