知識圖譜（Knowledge Graphs）描述現(xiàn)實世界中實體（entity）及其間的關(guān)系（relation）,成為了很多智能應用的基礎(chǔ)。自2012年谷歌公司提出知識圖譜的概念以來,國內(nèi)外互聯(lián)網(wǎng)公司爭相研發(fā)出各自的知識圖譜產(chǎn)品并應用到關(guān)系抽取、智能搜索、智能問答、個性化推薦等場景,如微軟Bing Satori、搜狗知立方和百度知心等。而成功構(gòu)建與應用知識圖譜,在很大程度上取決于知識圖譜的表示方法的合理性。典型的知識圖譜是由三元組（h,r,t）組成的集合,其中h和t分別表示頭實體和尾實體,r表示h和t之間的關(guān)系。這種具有符號化的表示不利于數(shù)值計算,而且大規(guī)模知識圖譜通常具有高維、稀疏和不完整等不足,同時由于知識的爆炸式增長,知識圖譜需要不斷更新和補全,而基于圖的推理算法計算復雜度高、可擴展性差,很難達到大規(guī)模實時計算的要求。傳統(tǒng)的表示方法,以獨熱表示為例,它假設(shè)所有對象相互獨立,即對象的向量表示是兩兩正交的,無論兩對象的語義是否相近,通過余弦距離等方式計算的語義相似度都為零,造成語義信息的丟失。同時,隨著對象規(guī)模的增大,獨熱表示下的向量維度也隨之增加,無法合理地表示知識圖譜中的三元組。所... 

【文章頁數(shù)】：62 頁

【學位級別】：碩士

【部分圖文】：

圖２．３?ＴｒａｎｓＲ模型示意圖??ＴｒａｎＳｐａｒｓｅｌ１５］考慮到實體和關(guān)系的異質(zhì)性，即有些關(guān)系與大量頭體有關(guān)聯(lián)，某??

圖２．５?ＫＡＬＥ模型示意圖??２．３．４融合關(guān)系路徑的表示學習??盡管ＴｒａｎｓＥ及其擴展方法在建模知識圖譜中的實體和關(guān)系方面取得了巨大的??

圖３．１小型知識圖譜示例??２１??

【參考文獻】：
期刊論文
[1]知識表示學習研究進展[J]. 劉知遠,孫茂松,林衍凱,謝若冰.  計算機研究與發(fā)展. 2016(02)

碩士論文
[1]基于多源信息表示學習的知識圖譜補全算法研究[D]. 鮑開放.華東師范大學 2018



本文編號：3677753