知識(shí)圖譜(Knowledge Graph)是人工智能領(lǐng)域的知識(shí)庫(kù),是可以將知識(shí)與結(jié)構(gòu)都進(jìn)行展示的新的表示方法。不僅僅可以描述知識(shí)的各類實(shí)體,以及對(duì)應(yīng)的相關(guān)釋義,還可以描述各個(gè)實(shí)體之間存在的各類關(guān)聯(lián)關(guān)系。早在2012年5月份,Google就推出了知識(shí)圖譜(Google Knowledge Graph),并且,將其應(yīng)用到了 Google搜索中,以進(jìn)一步優(yōu)化搜索結(jié)果。自此,也開啟了大規(guī)模研究知識(shí)圖譜的研究熱潮�；ヂ�(lián)網(wǎng)、大數(shù)據(jù)、人工智能等發(fā)展迅猛,對(duì)當(dāng)前人類的生活方式、交流方式、信息方式等產(chǎn)生了巨大的變化,對(duì)信息交流以及信息的傳播方式也產(chǎn)生了極大的影響。知識(shí)圖譜由于其特性,內(nèi)部承載了大量的信息,而且,知識(shí)圖譜自身也在不斷完善,逐漸構(gòu)建出了一個(gè)巨大的關(guān)系圖譜網(wǎng)絡(luò)。深入研究基于知識(shí)圖譜的價(jià)值傳播將是人類關(guān)注、研究和探索的熱點(diǎn)問題之一。本文的主要工作內(nèi)容和改進(jìn)之處如下:首先,對(duì)節(jié)點(diǎn)重要性進(jìn)行了分析,之后對(duì)經(jīng)典傳染病傳播模型進(jìn)行了分析,發(fā)現(xiàn)經(jīng)典傳染病模型只是信息傳播的宏觀描述,并未在微觀角度對(duì)網(wǎng)絡(luò)的信息傳播進(jìn)行分析描述。本文通過基于圖模型的消息傳遞方法,對(duì)構(gòu)建的知識(shí)圖譜模型,通過消息傳播,將各個(gè)節(jié)點(diǎn)的概率分布狀態(tài)按照一定的方式傳遞給相鄰的節(jié)點(diǎn),經(jīng)過多次迭代收斂,最終得到各個(gè)節(jié)點(diǎn)的概率分布狀態(tài)。其次,從網(wǎng)絡(luò)傳播的角度,深入分析了網(wǎng)絡(luò)傳播過程中真實(shí)網(wǎng)絡(luò)傳播效應(yīng),發(fā)現(xiàn)實(shí)際網(wǎng)絡(luò)的傳播往往是從某個(gè)節(jié)點(diǎn)引發(fā)傳播,并且首先在社團(tuán)內(nèi)進(jìn)行傳播,然后在社團(tuán)間進(jìn)行傳播。因此在進(jìn)行消息傳遞過程中,本文將社團(tuán)傳遞效應(yīng)考慮在內(nèi),改進(jìn)現(xiàn)有傳播方法。最后,在上述模型的基礎(chǔ)之上,設(shè)計(jì)了對(duì)比試驗(yàn),在給定知識(shí)圖譜結(jié)構(gòu)數(shù)據(jù)集上分別采用改進(jìn)后的社團(tuán)內(nèi)的傳染病模型、改進(jìn)后的社團(tuán)間的傳染病模型、改進(jìn)后的社團(tuán)內(nèi)的置信傳播、改進(jìn)后的社團(tuán)間的置信傳播模型來(lái)進(jìn)行實(shí)驗(yàn)分析比較。通過實(shí)驗(yàn)對(duì)比分析,本文基于社團(tuán)結(jié)構(gòu)的傳染病模型,能在宏觀角度更符合真實(shí)網(wǎng)絡(luò)的傳播方式,且基于社團(tuán)效應(yīng)的圖模型置信傳播方式,能在微觀角度對(duì)圖譜傳播過程作出更詳細(xì)描述。除此之外,相比與原始的的兩種經(jīng)典傳播方式,本文結(jié)合社團(tuán)的方式所得到的傳播效應(yīng)在一定程度上更符合實(shí)際網(wǎng)絡(luò)的傳播過程,具有一定的可用性和有效性。
【學(xué)位單位】：中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院人工智能學(xué)院)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TP18;G353.1
【部分圖文】：

ｘ２，ｘ３，．．．，ｘｎ）?＝?Ｗ］ｊ＝１ｆ｛Ｘｊ）?（２．２４）??如圖２．５所示，其所對(duì)應(yīng)的全局函可以通過如下公式（２．２５）計(jì)算得??出：??沒（１１，尤２，叉３）?＝?／＾（文１，尤２）／６〇＾１），０（尤２，尤３）／〇（尤３）?（２．２５）??Ｘ丨?ｘ２?ｘ３??＾Ｋ＼�。�??Ａ?Ｂ?Ｃ?Ｄ??圖２．５因子圖??Ｆｉｇｕｒｅ?２．５?Ｆａｃｔｏｒ?ｇｒａｐｈ??（２）貝葉斯網(wǎng)絡(luò)??貝葉斯網(wǎng)絡(luò)［６Ｑ］的理論基礎(chǔ)除了圖論知識(shí)外，另外一個(gè)就是概率論與數(shù)理統(tǒng)計(jì)，??它是由美國(guó)人Ｊ．Ｐｅａｒｌ最早提出的，是－？種基于概率推理的網(wǎng)絡(luò)［６１１，該模型可以用有??向無(wú)環(huán)圖來(lái)表示，其中貝葉斯公式是整個(gè)網(wǎng)絡(luò)的理論核心。貝葉斯網(wǎng)絡(luò)實(shí)質(zhì)是一??個(gè)能夠很好解決不確定性現(xiàn)象的網(wǎng)絡(luò)模型，因此貝葉斯網(wǎng)絡(luò)的應(yīng)用范圍相當(dāng)廣泛，??在模式識(shí)別和機(jī)器學(xué)習(xí)，醫(yī)療診斷，信息論與編碼，智能檢測(cè)等諸多領(lǐng)域都取得廣??良好的效果，是目前學(xué)術(shù)界的研宄熱點(diǎn)之一［６２１。??貝葉斯網(wǎng)絡(luò)

Ｐ（Ｎ）?＝?Ｐ（Ｎ１，Ｎ２，…，Ｎｍ）?＝?ＵＴ＾ＰｉＮｉｌｐａｒｅｎｔｉＮｉ））?（２．２６）??例如，圖２．６中的貝葉斯網(wǎng)絡(luò)的聯(lián)合概率可以通過如下公式（２．２７）計(jì)算獲得：??Ｐ（Ａ，?Ｂ，?Ｃ，?Ｄ，?Ｅ，?Ｆ，?Ｇ）?＝?Ｐ｛Ａ）Ｐ｛Ｃ）Ｐ｛Ｂ＼Ａ）Ｐ｛Ｄ＼Ｂ，?Ｃ）Ｐ（，Ｅ＼Ｄ）Ｐ（Ｆ＼Ｄ）Ｐ（Ｇ＼Ｄ）?（２．２７）??Ａ??Ｂ?Ｃ??、一＇＼?／??Ｄ??Ｅ?Ｆ?Ｇ??、、ｙ?＾?、、、＿?Ｊ??圖２．６貝葉斯網(wǎng)絡(luò)??Ｆｉｇｕｒｅ?２．６?Ｂａｙｅｓｉａｎ?Ｎｅｔｗｏｒｋ??（３）馬爾科夫隨機(jī)場(chǎng)??馬爾科夫隨機(jī)場(chǎng)（Ｍａｒｋｏｖ?Ｒａｎｄｏｍ?Ｆｉｅｌｄ，?ＭＲＦ），簡(jiǎn)稱隨機(jī)場(chǎng)［６４］，它是基于獨(dú)立??隨機(jī)試驗(yàn)理論，用于描述離散系統(tǒng)的一種無(wú)向圖模型［６５］。馬爾科夫隨機(jī)場(chǎng)理論是??俄國(guó)著名學(xué)者馬爾科夫率先提出來(lái)的，因此也就使用他的名字來(lái)命名。目前馬爾??科夫隨機(jī)場(chǎng)主要應(yīng)用于圖像識(shí)別，紋理分析，運(yùn)動(dòng)目標(biāo)檢測(cè)等圖像處理的重要應(yīng)用??場(chǎng)合，有力推動(dòng)了圖像處理技術(shù)的發(fā)展［６６］。??在介紹馬爾科夫隨機(jī)場(chǎng)的定義前，首先簡(jiǎn)要介紹幾個(gè)概念［６７］：??（１Ｍ立置集合Ｓ：?Ｓ代表的是抽象位置

Ｐ（Ｎ）?＝?Ｐ（Ｎ１，Ｎ２，…，Ｎｍ）?＝?ＵＴ＾ＰｉＮｉｌｐａｒｅｎｔｉＮｉ））?（２．２６）??例如，圖２．６中的貝葉斯網(wǎng)絡(luò)的聯(lián)合概率可以通過如下公式（２．２７）計(jì)算獲得：??Ｐ（Ａ，?Ｂ，?Ｃ，?Ｄ，?Ｅ，?Ｆ，?Ｇ）?＝?Ｐ｛Ａ）Ｐ｛Ｃ）Ｐ｛Ｂ＼Ａ）Ｐ｛Ｄ＼Ｂ，?Ｃ）Ｐ（，Ｅ＼Ｄ）Ｐ（Ｆ＼Ｄ）Ｐ（Ｇ＼Ｄ）?（２．２７）??Ａ??Ｂ?Ｃ??、一＇＼?／??Ｄ??Ｅ?Ｆ?Ｇ??、、ｙ?＾?、、、＿?Ｊ??圖２．６貝葉斯網(wǎng)絡(luò)??Ｆｉｇｕｒｅ?２．６?Ｂａｙｅｓｉａｎ?Ｎｅｔｗｏｒｋ??（３）馬爾科夫隨機(jī)場(chǎng)??馬爾科夫隨機(jī)場(chǎng)（Ｍａｒｋｏｖ?Ｒａｎｄｏｍ?Ｆｉｅｌｄ，?ＭＲＦ），簡(jiǎn)稱隨機(jī)場(chǎng)［６４］，它是基于獨(dú)立??隨機(jī)試驗(yàn)理論，用于描述離散系統(tǒng)的一種無(wú)向圖模型［６５］。馬爾科夫隨機(jī)場(chǎng)理論是??俄國(guó)著名學(xué)者馬爾科夫率先提出來(lái)的，因此也就使用他的名字來(lái)命名。目前馬爾??科夫隨機(jī)場(chǎng)主要應(yīng)用于圖像識(shí)別，紋理分析，運(yùn)動(dòng)目標(biāo)檢測(cè)等圖像處理的重要應(yīng)用??場(chǎng)合，有力推動(dòng)了圖像處理技術(shù)的發(fā)展［６６］。??在介紹馬爾科夫隨機(jī)場(chǎng)的定義前，首先簡(jiǎn)要介紹幾個(gè)概念［６７］：??（１Ｍ立置集合Ｓ：?Ｓ代表的是抽象位置
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王興元;趙仲祥;;基于節(jié)點(diǎn)間依賴度的社團(tuán)結(jié)構(gòu)劃分方法[J];物理學(xué)報(bào);2014年17期

2 許崗;金海和;劉靖;;在線社會(huì)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)和信息傳播研究綜述[J];計(jì)算機(jī)應(yīng)用研究;2014年02期

3 劉建國(guó);任卓明;郭強(qiáng);汪秉宏;;復(fù)雜網(wǎng)絡(luò)中節(jié)點(diǎn)重要性排序的研究進(jìn)展[J];物理學(xué)報(bào);2013年17期

4 朱鵬鵬;董建民;;兩種典型網(wǎng)絡(luò)中三種病毒傳播模型的傳播特性研究[J];網(wǎng)絡(luò)安全技術(shù)與應(yīng)用;2013年03期

5 于會(huì);劉尊;李勇軍;;基于多屬性決策的復(fù)雜網(wǎng)絡(luò)節(jié)點(diǎn)重要性綜合評(píng)價(jià)方法[J];物理學(xué)報(bào);2013年02期

6 袁超;柴毅;;基于簇相似度的網(wǎng)絡(luò)社團(tuán)結(jié)構(gòu)探測(cè)算法[J];物理學(xué)報(bào);2012年21期

7 周林;平西建;徐森;張濤;;基于譜聚類的聚類集成算法[J];自動(dòng)化學(xué)報(bào);2012年08期

8 金弟;楊博;劉杰;劉大有;何東曉;;復(fù)雜網(wǎng)絡(luò)簇結(jié)構(gòu)探測(cè)——基于隨機(jī)游走的蟻群算法[J];軟件學(xué)報(bào);2012年03期

9 駱志剛;丁凡;蔣曉舟;石金龍;;復(fù)雜網(wǎng)絡(luò)社團(tuán)發(fā)現(xiàn)算法研究新進(jìn)展[J];國(guó)防科技大學(xué)學(xué)報(bào);2011年01期

10 李曉佳;張鵬;狄增如;樊瑛;;復(fù)雜網(wǎng)絡(luò)中的社團(tuán)結(jié)構(gòu)[J];復(fù)雜系統(tǒng)與復(fù)雜性科學(xué);2008年03期

本文編號(hào)：2864063