目前,主流的大型知識庫,例如DBpedia、NELL等大多采用信息抽取的方式進行自動化構(gòu)建,該構(gòu)建方式具有人工干涉較少、知識庫中知識更新及時等優(yōu)勢,但是也帶來了知識庫完備性的問題。知識庫中往往會存在知識缺失的情況,這大大降低了知識庫知識的完備性。為了提升知識圖譜相關(guān)應用的質(zhì)量,就必須得提升知識庫的完備性。如何通過自動化方式來對缺失知識補全成為了知識庫構(gòu)建過程中的一個關(guān)鍵問題。知識推理技術(shù)就是基于知識庫中現(xiàn)有的知識,對實體間缺失的關(guān)系進行推理補全,從而提升知識庫中知識的完備性。本文主要針對基于低維度實體語義向量的經(jīng)典模型-神經(jīng)張量網(wǎng)絡模型NTN中的存在的一些問題,進行了相應的分析和改進,主要包含了以下幾項工作:（1）簡要概述了知識圖譜構(gòu)建過程中的一些重要技術(shù)并對目前國內(nèi)外知識推理相關(guān)技術(shù)進行了分析介紹,包括基于邏輯規(guī)則、基于關(guān)系路徑、基于語義向量等主流的幾類知識推理技術(shù)的優(yōu)缺點分析。（2）以往實體向量大多采用隨機化或者預訓練的方式完成初始化,本論文針對上述兩種方式尚存的一些不足,提出了一種基于實體屬性Type分類初始化實體語義向量的方式。相對于隨機初始化實體語義向量的方式,該方式在Wor... 

【文章來源】：國防科技大學湖南省 211工程院校 985工程院校

【文章頁數(shù)】：61 頁

【學位級別】：碩士

【部分圖文】：

<姚明，國籍、中國>是否為事實？

圖 2.3 推理機的一次推理過程識推理方式的優(yōu)點是規(guī)則由相關(guān)領域經(jīng)推理得到的知識可靠性較高。缺點也是顯示都需要大量的人工干預，這樣不可避，由于人工干預，專家本身的主觀性也會

圖 2.4 知識圖譜的部分關(guān)聯(lián)網(wǎng)絡RA 的主要任務在于給定某種關(guān)系，預測這種關(guān)系在兩實體間是否成 給 定 一 種 關(guān) 系 r 以 及 兩 個 基 本 實 體 s,t ， 但 是 ( ) ，識庫已知的所有知識。算法的任務就是要判定( )是否為成立的三的學習階段主要分為特征抽取、特征轉(zhuǎn)化計算、分類器建模三部分。

【參考文獻】：
期刊論文
[1]中醫(yī)藥知識圖譜構(gòu)建與應用[J]. 阮彤,孫程琳,王昊奮,方之家,殷亦超.  醫(yī)學信息學雜志. 2016(04)
[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.  計算機研究與發(fā)展. 2016(03)
[3]國內(nèi)知識圖譜應用研究綜述[J]. 胡澤文,孫建軍,武夷山.  圖書情報工作. 2013(03)
[4]科學知識圖譜應用研究概述[J]. 廖勝姣,肖仙桃.  情報理論與實踐. 2009(01)
[5]基于混合模型的中文命名實體抽取系統(tǒng)[J]. 王睿,張潔,張由儀,于禛,姚天昉.  清華大學學報(自然科學版). 2005(S1)



本文編號：3493464