【摘要】：大數(shù)據(jù)時代下,互聯(lián)網(wǎng)上時刻會有海量的各種結(jié)構(gòu)類型的數(shù)據(jù)被產(chǎn)生。如何操作這些海量的數(shù)據(jù)并獲取其中的有用信息,受到了普遍的關(guān)注。知識圖譜(Knowledge Graph,KG)將各種結(jié)構(gòu)化數(shù)據(jù)的語義信息以計算機可以理解的方式表示出來,有助于我們更好地組織和管理數(shù)據(jù)。而現(xiàn)有的KGs并不完整,這大大限制了知識圖譜的運用。因而,有必要發(fā)掘KGs中隱含的信息以實現(xiàn)知識推理,來完善KGs。知識圖譜是一個由相互關(guān)聯(lián)的知識組成的復雜的語義網(wǎng)絡,其中實體(entity)被視為該網(wǎng)絡的結(jié)點,實體間的關(guān)系(relation)則被視為該網(wǎng)絡的邊。知識表示學習的目的是學習KGs中的實體和關(guān)系并計算其語義聯(lián)系。該技術(shù)可以有效提升知識獲取、表示和推理的性能,因此,本文在知識表示學習的基礎上進行進一步研究,具體內(nèi)容如下:(1)針對不同知識圖譜的個體局部性問題,提出一種動態(tài)邊際(DM)翻譯原理,并將該原理引入經(jīng)典TransE模型。首先,在訓練過程當中,針對不同的KGs設置不同的模型參數(shù)。其次,根據(jù)訓練次數(shù)的增加,動態(tài)優(yōu)化損失函數(shù)的邊際值,有效地改善了不同KGs的獨特性問題,從而提升了訓練效率。(2)知識圖譜中,路徑作為除關(guān)系外連接兩個實體的另一種方式,也蘊含著實體間豐富的語義信息。加入路徑的表示學習模型如PTransE,在實體對間僅包含一條路徑的情況下取得了顯著的改進。但是,當實體對之間的路徑數(shù)大于1時,這些模型對于多路徑并不能很好地建模。介于此,本文提出了一種動態(tài)路徑翻譯(DPT)原則。DPT有針對性的添加與各條路徑相對應的向量因子,并將這些向量因子與實體向量和關(guān)系向量同步訓練,來實現(xiàn)對實體對間的多條路徑的建模。(3)現(xiàn)有基于路徑的知識表示學習模型僅加入了兩到三步路徑。為了更好地反映KGs中的復雜推理,本文利用長短時記憶網(wǎng)絡結(jié)構(gòu)對一條路徑中的多個關(guān)系依次進行迭代組合操作,來增加嵌入路徑的長度,捕捉相距較遠的實體之間所隱含的語義信息。并且,訓練過程中采用改進的路徑約束分配資源算法即im-PCRA算法,計算實體對之間每條路徑的可靠性。
【圖文】：

圖 1.1 部分知識圖譜示例嵌入式的關(guān)系路徑建模術(shù)的基本思想源自于隱式因子模型。在嵌入式技術(shù)的假設中，體和關(guān)系可以表示在一個隱式的低維向量空間中，表示的形式者矩陣，然后在這個空間中進行計算推理。關(guān)系路徑建模的第式，這種表示形式能夠把低維向量空間中的向量與知識圖譜中，這個過程稱之為嵌入，該過程的產(chǎn)物就是上述的向量、張量個得分函數(shù)，該函數(shù)是基于每個知識條目的三元組而設定的，到的嵌入，用于判斷三元組或者事實是否成立。最后要解決兩化的問題和參數(shù)優(yōu)化的問題，通過這種方式來學習路徑的低的優(yōu)點：第一，可以捕捉到數(shù)據(jù)的內(nèi)在特征；第二，具有高度類型的實體和關(guān)系；第三，，具有很強的操作性，效率較高。

TransE和PTransE圖示
【學位授予單位】：桂林電子科技大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP181

【相似文獻】

相關(guān)期刊論文 前10條

1 趙強;;基于直覺模糊Petri網(wǎng)的知識表示與推理[J];信息與電腦(理論版);2018年21期

2 李娟;吳想;;謂詞邏輯在人工智能知識表示中的應用[J];數(shù)碼世界;2017年06期

3 顧永跟;決策表知識表示的應用探討[J];湖州師專學報;1996年06期

4 劉群,劉杰,陳述;基于集成式知識表示的專家系統(tǒng)開發(fā)工具[J];小型微型計算機系統(tǒng);1997年05期

5 鄭士貴;知識表示圖的比較分析和評價的基礎[J];管理科學文摘;1997年01期

6 劉群,陳述,劉杰;一種集成式知識表示及相應推理方法[J];哈爾濱工程大學學報;1997年01期

7 石祥濱，鮮宏，逯越;一種用于醫(yī)學診斷的知識表示模型[J];沈陽工業(yè)大學學報;1994年03期

8 徐峻;張懋森;;關(guān)系矩陣法——一種新的化學結(jié)構(gòu)表示法[J];計算機與應用化學;1987年02期

9 管紀文;邱滌虹;;關(guān)于知識表示[J];計算機科學;1987年01期

10 吳信東;;論知識表示[J];計算機工程與應用;1988年06期

相關(guān)會議論文 前10條

1 蘇俊;顏宗福;;一種基于數(shù)據(jù)庫技術(shù)的不同知識表示之間的轉(zhuǎn)換方法[A];第十屆全國數(shù)據(jù)庫學術(shù)會議論文集[C];1992年

2 劉永清;劉泉寶;;關(guān)于知識表示的思考[A];1995年中國智能自動化學術(shù)會議暨智能自動化專業(yè)委員會成立大會論文集（上冊）[C];1995年

3 施平安;吳f^;;數(shù)字化海事案例特征提取與知識表示初探[A];第二屆廣東海事高級論壇論文集[C];2008年

4 張龍祥;湯庸;;面向?qū)ο蟮闹R表示和知識庫組織[A];第九屆全國數(shù)據(jù)庫學術(shù)會議論文集(上)[C];1990年

5 劉邦凡;;一個知識表示的廣義模態(tài)邏輯方案[A];2007年全國現(xiàn)代邏輯學術(shù)研討會論文集[C];2007年

6 吳金平;李加祥;繆旭東;;防空威脅判斷中對目標信息的模糊知識表示[A];2001年中國智能自動化會議論文集（上冊）[C];2001年

7 朱斌;張麗萍;李延珩;;知識工程基本技術(shù)[A];計算機與教育——全國計算機輔助教育學會第十屆學術(shù)年會論文集[C];2001年

8 潘久輝;;多媒介信息:面向?qū)ο蟮臄?shù)據(jù)與知識表示[A];第九屆全國數(shù)據(jù)庫學術(shù)會議論文集(上)[C];1990年

9 鄭德玲;李育暉;李擎;;基于模式識別及神經(jīng)網(wǎng)絡的專家系統(tǒng)的知識表示的推理策略[A];1995年中國控制會議論文集（下）[C];1995年

10 劉適;;航空結(jié)構(gòu)件數(shù)控程編知識獲取與知識表示研究[A];2017年（第三屆）中國航空科學技術(shù)大會論文集（下冊）[C];2017年

相關(guān)重要報紙文章 前1條

1 CF40理事 資配易董事長 創(chuàng)始人 張家林;人工智能投顧，需要從業(yè)資格考試嗎[N];華夏時報;2016年

相關(guān)博士學位論文 前10條

1 肖寒;基于幾何變換的知識表示研究[D];清華大學;2017年

2 徐煥良;企業(yè)知識資源計劃及其關(guān)鍵技術(shù)研究[D];南京航空航天大學;2003年

3 鄭驍慶;語義萬維網(wǎng)的不確定知識表示與信任計算[D];浙江大學;2007年

4 秦忠寶;基于混合知識表示的設計創(chuàng)新及知識獲取研究[D];西北工業(yè)大學;2006年

5 趙昌葆;工程知識粒度化技術(shù)及其應用研究[D];西北工業(yè)大學;2006年

6 周文;基于概念的若干知識表示模型及相關(guān)方法研究[D];上海大學;2007年

7 肖文潔;知識表示與推理的若干問題研究[D];南京航空航天大學;2010年

8 孫麗君;物流配送干擾管理問題的知識表示與建模方法[D];大連理工大學;2011年

9 郭曉黎;煤礦安全事件本體及其在查詢擴展中的應用研究[D];中國礦業(yè)大學(北京);2016年

10 仲兆滿;事件本體及其在查詢擴展中的應用[D];上海大學;2011年

相關(guān)碩士學位論文 前10條

1 王權(quán)威;初等數(shù)學問題自動求解中的分支推理架構(gòu)及實現(xiàn)[D];電子科技大學;2019年

2 單迎春;翻譯模型的負樣生成方法研究[D];合肥工業(yè)大學;2019年

3 羅義琴;基于關(guān)系路徑建模的知識表示學習研究[D];桂林電子科技大學;2019年

4 沈杰;數(shù)據(jù)驅(qū)動的知識圖譜補全[D];云南大學;2018年

5 王琦;基于多源信息的知識表示學習方法研究[D];華中師范大學;2019年

6 黃璨;大規(guī)模健康管理方案及定量操作知識的網(wǎng)絡化轉(zhuǎn)換研究[D];上海交通大學;2016年

7 張釗;知識表示與知識表示學習在服務機器人中的應用研究[D];中國科學技術(shù)大學;2019年

8 劉穎;知識表示學習中考慮基數(shù)約束的篩選方法[D];吉林大學;2019年

9 羅丹;一種基于表示學習的知識圖譜融合算法與系統(tǒng)實現(xiàn)[D];浙江大學;2018年

10 歐陽欣;基于多源信息融合的知識表示學習及應用[D];華東師范大學;2018年

本文編號：2691530