【摘要】：知識圖譜是智能問答、語義搜索等信息服務(wù)應(yīng)用的重要基礎(chǔ)技術(shù),知識圖譜覆蓋的知識越全面,越能更好地提供所需答案。盡管目前已經(jīng)有多個大規(guī)模、開放領(lǐng)域的知識圖譜,但它們距離完備仍然相差甚遠,例如Freebase中有大約30%的人物實體缺少其父母親信息。在傳統(tǒng)的網(wǎng)絡(luò)表示形式下利用知識圖譜進行推理、補全,需要設(shè)計專門的圖算法,其計算效率極低。而利用知識表示學習模型,能在低維空間中挖掘出實體和關(guān)系之間的語義關(guān)系,提高知識理解和推理能力。目前知識表示學習的代表模型是平移模型,該模型雖然簡單高效,但其無法很好地處理知識圖譜中的復雜關(guān)系,同時該模型僅僅利用了知識圖譜中的三元組信息,并沒有利用其他多源異質(zhì)信息。針對上述問題,本文提出了一個基于可信度向量和文本信息的知識圖譜表示學習模型,該模型能對知識圖譜中的復雜關(guān)系進行建模,并引入了與知識圖譜中實體相關(guān)的文本信息。論文依托863項目“面向基礎(chǔ)教育的類人智能知識理解與推理關(guān)鍵技術(shù)”(2015AA015403),為更好的利用已構(gòu)建的知識圖譜,對知識圖譜中的知識表示學習進行了研究。本文的主要工作包括以下幾個方面:(1)針對平移模型在處理知識圖譜中的一對多、多對一以及多對多這種復雜關(guān)系時,無法區(qū)分在某一方面具有相同語義的實體。本文構(gòu)建了一種可信度向量,不同的關(guān)系關(guān)注實體不同的屬性信息,在此基礎(chǔ)上,本文構(gòu)建了一種基于可信度向量的知識圖譜表示學習模型,提高模型對實體的區(qū)分能力。在該模型中,為每一個關(guān)系都構(gòu)建了一個可信度向量,基于可信度向量,實體在不同關(guān)系下具有不同表達形式,不同的關(guān)系關(guān)注實體不同的屬性信息,從而達到對實體進行區(qū)分的目的。本文并利用類似信息素的思想對可信度向量進行優(yōu)化。在較低的模型復雜度的情況下,本文提出的基于可信度向量的知識圖譜表示學習模型能夠提升知識表示學習在復雜關(guān)系下的區(qū)分能力。(2)除了知識圖譜中的三元組信息外,非結(jié)構(gòu)化的文本中包含了豐富的語義信息,能夠豐富知識表示學習模型的表達能力。本文利用與實體相關(guān)的文本信息,構(gòu)建了一種融合文本信息的基于可信度向量的知識圖譜表示學習模型。在該模型中,實體的向量表示分為兩個部分:基于三元組信息的表示和基于文本的表示。為得到實體的文本表示,本文構(gòu)建一個五層的卷積神經(jīng)網(wǎng)絡(luò),用于實體文本語義信息抽取。最后將實體的三元組表示與文本表示嵌入到模型的損失函數(shù)中,使得這兩種表示能相互影響、相互融合。本文的主要貢獻在于針對平移模型難以處理復雜關(guān)系和僅僅利用知識圖譜中的三元組信息這兩個不足,提出了相應(yīng)的知識圖譜表示學習模型,能夠為知識圖譜的應(yīng)用提供一定的理論和技術(shù)支持。
【學位授予單位】：武漢理工大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TP391.1;G353.1
【圖文】：

圖 1-2 知識圖譜的應(yīng)用1表示學習是面向知識圖譜（知識庫）中實體和關(guān)系的表示學習的方法，將實體和關(guān)系投影到低維向量空間，也就是將信息表示為稠密、連續(xù)、低維的實值向量，這種表示方法學、低維的實值向量表示也被稱為分布式表示[34]（tion）。示學習之前，是可以通過獨熱表示[34]（one-hot representatio。在獨熱表示中，也是將研究對象映射到向量空間，其每一都是二值化的，其取值只有 0 和 1 兩種，通常情況下，該向為 1，其他維度上的值都是為 0。這種表示方法十分簡單，但區(qū)分開來，獨熱表示中的向量的長度必須大于或者等于不同然語言處理中得到廣泛應(yīng)用的詞袋模型[35]（bag-of-words m示為基礎(chǔ)的。與表示學習比較而言，獨熱表示不需要學習這，因而在自然語言處理和信息檢索中被廣泛使用。但獨熱表提就是所有對象都是相互獨立的，基于獨熱表示來通過歐氏

論文技術(shù)路線

在 TransE 模型中，模型希望：頭實體加上關(guān)系約等于尾實體，即 h+r ≈t ，為此 TransE 模型定義了相應(yīng)的損失函數(shù)，見公式（1-7），該損失函數(shù)表示的是頭實體向量加上關(guān)系向量(h+r)和尾實體向量(t)的距離。TransE 模型參數(shù)少、復雜度低并且在大規(guī)模知識圖譜中表現(xiàn)出了簡單、高效的特點。但是，也正是由于 TransE 模型的簡單，導致了它在復雜關(guān)系建模、多源信息融合、關(guān)系路徑建模等方面的局限性。

【相似文獻】

相關(guān)期刊論文 前10條

1 胡亮;顧明;李黎;;兩類譜表示法模擬風場誤差對比分析[J];振動與沖擊;2011年05期

2 謝宜沅,范俊清;關(guān)于平板光波導的算符譜表示[J];吉林工學院學報;1989年03期

3 杜鴻科;竇艷妮;;邏輯序下自伴算子下確界的譜表示[J];數(shù)學學報;2009年06期

4 胡亮;顧明;李黎;;基于本征正交分解的譜表示法模擬風場的誤差[J];振動與沖擊;2011年04期

5 胡亮;李黎;樊劍;方秦漢;;譜表示法模擬風場的誤差分析[J];振動與沖擊;2007年04期

6 張宏坤;正常算子的有序譜表示[J];內(nèi)蒙古大學學報(自然科學版);1999年04期

7 沙晉明,鄭達賢,林志壘,陳文惠;水土流失地球信息圖譜表示方法的研究[J];水土保持研究;2002年01期

8 馮登國,肖國鎮(zhèn);多值邏輯函數(shù)的相關(guān)度的譜表示[J];科學通報;1995年03期

9 劉章軍;曾波;吳林強;;非平穩(wěn)地震動過程模擬的譜表示-隨機函數(shù)方法[J];振動工程學報;2015年03期

10 劉章軍;劉增輝;;隨機脈動風場的譜表示降維模擬[J];振動工程學報;2018年01期

相關(guān)會議論文 前2條

1 高玉峰;吳勇信;;一種改進的近似模擬譜表示法在地震動場模擬中的應(yīng)用[A];中國力學大會-2015論文摘要集[C];2015年

2 胡亮;李黎;顧明;;隨機模擬風場功率譜函數(shù)的誤差[A];隨機振動理論與應(yīng)用新進展——第六屆全國隨機振動理論與應(yīng)用學術(shù)會議論文摘要集[C];2008年

相關(guān)重要報紙文章 前8條

1 本報記者 謝柳;保監(jiān)會多舉措保護消費者利益[N];中國保險報;2011年

2 駐遼寧記者 任軍;穩(wěn)健擴張 謀劃中合置業(yè)發(fā)展新高度[N];中華合作時報;2011年

3 本報記者 曹志為;規(guī)范中求發(fā)展 創(chuàng)新中謀生存[N];中國證券報;2003年

4 本報記者 張_g希 王代強 袁婧 吳亞飛 游飛 徐莉莎 段玉清;把全會精神轉(zhuǎn)化為發(fā)展的強大動力[N];四川日報;2016年

5 經(jīng)濟視點報記者 史遠征;銀基商貿(mào)城：鄭州大商貿(mào)城的帶動者[N];經(jīng)濟視點報;2010年

6 本報記者 仝春建;保險業(yè)轉(zhuǎn)變發(fā)展方式取得積極進展[N];中國保險報;2011年

7 本報記者 瞿們;不當“甩手掌柜” 做到“當仁不讓”[N];中國紀檢監(jiān)察報;2015年

8 本報記者 王建 喬淑晨 蔣新會 鄭微;全面達小康 開啟新征程[N];徐州日報;2013年

相關(guān)博士學位論文 前3條

1 胡亮;基于特征正交分解的橋梁風場隨機模擬[D];華中科技大學;2007年

2 李寧;有限核相對論無規(guī)位相近似的嚴格譜表示[D];吉林大學;2010年

3 李茂華;約束離散KP系列的對稱代數(shù)及行列式解[D];中國科學技術(shù)大學;2013年

相關(guān)碩士學位論文 前9條

1 毛晶晶;基于可信度向量和文本信息的知識圖譜表示學習[D];武漢理工大學;2018年

2 陳浙;支持向量機與譜表示法耦合的理論研究及應(yīng)用[D];華中科技大學;2017年

3 石s

本文編號：2772584