本文選題：知識(shí)表達(dá)與推理　切入點(diǎn)：上下文　出處：《浙江大學(xué)》2016年博士論文

【摘要】：知識(shí)表達(dá)與推理是人工智能的領(lǐng)域之一,旨在將現(xiàn)實(shí)世界中的信息表達(dá)為一種計(jì)算機(jī)系統(tǒng)可以利用并解決復(fù)雜問(wèn)題的形式。知識(shí)表達(dá)主要研究如何表達(dá)知識(shí)以簡(jiǎn)潔地設(shè)計(jì)和構(gòu)造系統(tǒng)解決復(fù)雜問(wèn)題,而知識(shí)推理則尋求知識(shí)之間的邏輯關(guān)系以自動(dòng)化地進(jìn)行各種推理與論證。在人工智能的研究中,這兩個(gè)過(guò)程是相輔相成、互相促進(jìn)的。模態(tài)、形式多種多樣的互聯(lián)網(wǎng)知識(shí)數(shù)據(jù),可以大致分為靜態(tài)、結(jié)構(gòu)化數(shù)據(jù)與動(dòng)態(tài)、非結(jié)構(gòu)化數(shù)據(jù)兩種類型。對(duì)于靜態(tài)、結(jié)構(gòu)化數(shù)據(jù),知識(shí)表達(dá)的主要目的是將符號(hào)化表示的、不可計(jì)算的數(shù)據(jù)轉(zhuǎn)化為數(shù)值表示的、可計(jì)算的形式,知識(shí)推理的主要目的是補(bǔ)足數(shù)據(jù)集中不完備的部分；而對(duì)動(dòng)態(tài)、非結(jié)構(gòu)化數(shù)據(jù),知識(shí)表達(dá)的主要目的是建立數(shù)據(jù)庫(kù)內(nèi)的結(jié)構(gòu)化信息,而知識(shí)推理的主要目的在于從學(xué)習(xí)數(shù)據(jù)之間的關(guān)聯(lián)模式,從數(shù)據(jù)集中提取重要或有趣的信息。基于以上觀察,本文旨在對(duì)兩類互聯(lián)網(wǎng)數(shù)據(jù)擴(kuò)展知識(shí)表達(dá)與知識(shí)推理的算法研究,以實(shí)現(xiàn)對(duì)互聯(lián)網(wǎng)知識(shí)數(shù)據(jù)的有效利用。總之,本文圍繞互聯(lián)網(wǎng)數(shù)據(jù)的知識(shí)表達(dá)與推理問(wèn)題展開了一系列相關(guān)研究并取得了以下成果：對(duì)于靜態(tài)、結(jié)構(gòu)化數(shù)據(jù),本文重點(diǎn)研究了知識(shí)圖譜的嵌入工作,提出了一種由知識(shí)圖譜嵌入衍生出的雙線性學(xué)習(xí)框架。該框架基于最大邊緣的多關(guān)系排序模型,以同時(shí)解決實(shí)體嵌入與實(shí)體之間的關(guān)系預(yù)測(cè)這兩個(gè)任務(wù)的方式建立了聯(lián)合優(yōu)化模型。該模型具有模擬知識(shí)圖譜中各種關(guān)系的內(nèi)在相關(guān)性以及表達(dá)了知識(shí)圖譜中的多關(guān)系結(jié)構(gòu)的能力。為了更好地表達(dá)和推理知識(shí)圖譜中的高階語(yǔ)義信息,本文通過(guò)對(duì)實(shí)體嵌入與關(guān)系嵌入這兩個(gè)不同但相關(guān)的嵌入問(wèn)題進(jìn)行聯(lián)合優(yōu)化的方式,利用知識(shí)庫(kù)中的高階上下文信息實(shí)現(xiàn)各個(gè)實(shí)體和各種關(guān)系的顯性表達(dá),將知識(shí)庫(kù)的內(nèi)在拓?fù)浣Y(jié)構(gòu)形象地表達(dá)在嵌入空間中。對(duì)于動(dòng)態(tài)、非結(jié)構(gòu)化數(shù)據(jù),本文重點(diǎn)研究了具有代表性的新聞文檔演化跟蹤問(wèn)題,提出了一種上下文相關(guān)的新聞知識(shí)發(fā)現(xiàn)方法。該方法使用了基于新聞文檔時(shí)序連接的稠密子圖學(xué)習(xí)技術(shù),自適應(yīng)地順著時(shí)間維度構(gòu)造文檔之間的連接網(wǎng)絡(luò)。通過(guò)充分利用新聞連接結(jié)構(gòu)信息的稠密子圖學(xué)習(xí)方法,可以有效地發(fā)現(xiàn)新聞間的事件模式�；诖朔椒�(gòu)成的連接網(wǎng)絡(luò),可以實(shí)現(xiàn)快速而準(zhǔn)確的新聞文檔推理。
[Abstract]:Knowledge representation and reasoning is one of the fields of artificial intelligence. The aim is to express information in the real world as a form in which computer systems can use and solve complex problems. Knowledge representation focuses on how to express knowledge in order to design and construct systems to solve complex problems succinctly. In the research of artificial intelligence, the two processes complement each other and promote each other. For static, structured data, dynamic data and unstructured data, the main purpose of knowledge representation is to convert symbolic data into numerical representation. In computable form, the main purpose of knowledge reasoning is to complement the incomplete part of the data set, while for dynamic, unstructured data, the main purpose of knowledge representation is to establish the structured information in the database. The main purpose of knowledge reasoning is to extract important or interesting information from the data set by learning the correlation pattern between data. Based on the above observations, this paper aims to study two kinds of Internet data extension knowledge representation and knowledge reasoning algorithms. In order to realize the effective use of Internet knowledge data. In a word, this paper has carried out a series of related research around the knowledge representation and reasoning of Internet data and obtained the following results: for static, structured data, In this paper, we focus on the embedding of knowledge atlas, and propose a bilinear learning framework derived from knowledge atlas embedding, which is based on a multi-relation ranking model with maximum edges. A joint optimization model is established by simultaneously solving the two tasks of entity embedding and entity relationship prediction. The model can simulate the inherent correlation of various relationships in the knowledge map and express the. The ability of multi-relational structures to better express and infer higher-order semantic information in knowledge maps, In this paper, through the joint optimization of two different but related embedding problems, entity embedding and relational embedding, we use the higher-order context information in the knowledge base to realize the explicit expression of each entity and various relationships. The inherent topological structure of the knowledge base is graphically expressed in the embedded space. For dynamic and unstructured data, this paper focuses on the evolution tracking of representative news documents. In this paper, a context-dependent method of news knowledge discovery is proposed, which uses dense subgraph learning technology based on temporal connection of news documents. The connection network between documents can be constructed adaptively according to the time dimension. By making full use of the dense subgraph learning method of news connection structure information, the event pattern between news can be found effectively. Can realize fast and accurate news document reasoning.
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 龐真;;《知識(shí)表達(dá)讀物》[J];自動(dòng)化學(xué)報(bào);1988年02期

2 呂韶義,劉復(fù)巖;知識(shí)表達(dá)及其在制造業(yè)中的應(yīng)用[J];組合機(jī)床與自動(dòng)化加工技術(shù);1990年04期

3 艾及熙;;典型—一種混合型的知識(shí)表達(dá)模式[J];重慶建筑工程學(xué)院學(xué)報(bào);1990年04期

4 白振興;;一種新的知識(shí)表達(dá)方法:概念結(jié)構(gòu)[J];計(jì)算機(jī)科學(xué);1992年06期

5 羅春曄;知識(shí)表達(dá)與超文本[J];廣西科學(xué);1995年03期

6 吳朝暉;潘云鶴;;知識(shí)表達(dá)的發(fā)展?fàn)顩r和趨勢(shì)[J];計(jì)算機(jī)科學(xué);1995年06期

7 耿衛(wèi)東,潘云鶴;知識(shí)表達(dá)的分維度量理論[J];中國(guó)科學(xué)E輯:技術(shù)科學(xué);1996年03期

8 熊剛,許曉鳴,孫優(yōu)賢;知識(shí)表達(dá)方式的對(duì)比與選擇[J];自動(dòng)化與儀表;1997年03期

9 董軍，肖少擁;面向?qū)ο蟮闹R(shí)表達(dá)及其應(yīng)用[J];微型電腦應(yīng)用;1996年03期

10 廖貴敏;基于故障樹模型的知識(shí)表達(dá)方法綜述[J];電腦與信息技術(shù);2000年01期

相關(guān)會(huì)議論文 前3條

1 鄭維敏;藍(lán)紅兵;;知識(shí)表達(dá)與建模支持[A];企業(yè)發(fā)展與系統(tǒng)工程——中國(guó)系統(tǒng)工程學(xué)會(huì)第七屆年會(huì)論文集[C];1992年

2 李書杰;陳宗海;;智能模擬研究中知識(shí)表達(dá)方法綜述與分析[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2009年

3 壽建霞;周建常;;知識(shí)視圖的描述與生成系統(tǒng)[A];1997中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1997年

相關(guān)博士學(xué)位論文 前2條

1 虞盛康;面向互聯(lián)網(wǎng)數(shù)據(jù)的知識(shí)表達(dá)與推理[D];浙江大學(xué);2016年

2 張倩;基于知識(shí)表達(dá)的遷移學(xué)習(xí)研究[D];中國(guó)礦業(yè)大學(xué);2013年

相關(guān)碩士學(xué)位論文 前4條

1 胡玉杰;制造業(yè)知識(shí)管理中基于本體的產(chǎn)品知識(shí)表達(dá)研究[D];浙江大學(xué);2003年

2 劉新靈;疲勞斷裂失效的計(jì)算機(jī)知識(shí)表達(dá)及可靠度[D];北京航空材料研究院;2001年

3 王婉婷;故障診斷邏輯推理知識(shí)的在線更新方法初探[D];華中科技大學(xué);2012年

4 程浩;基于知識(shí)的CAPP工具系統(tǒng)關(guān)鍵技術(shù)研究[D];華中科技大學(xué);2007年

，

本文編號(hào)：1661751