多源知識融合的研究成果有助于計(jì)算機(jī)更好地理解人類的智能、人類語言以及人類思維,可以有效地促進(jìn)網(wǎng)絡(luò)空間大搜索,有效地促進(jìn)領(lǐng)域知識圖譜的構(gòu)建,具有巨大的社會經(jīng)濟(jì)效益.由于知識獲取的不確定性,基于實(shí)體識別和關(guān)系抽取技術(shù)構(gòu)建的知識圖譜,其知識的可靠性和置信度都有待評估,一方面,多源知識推理的過程可以檢測沖突,為知識評估和驗(yàn)證提供幫助;另一方面,由知識推理得到的新知識也具有不確定性,需要進(jìn)行評估和驗(yàn)證.多源知識協(xié)同推理不僅包括從多源知識中推斷出新知識,還包括沖突檢測,即識別錯(cuò)誤知識或知識間存在的沖突.從多源知識融合的幾個(gè)相關(guān)概念出發(fā),全面介紹了開源知識融合、多知識圖譜融合、知識圖譜內(nèi)部信息融合、多模態(tài)知識融合和多源知識協(xié)同推理的最新研究進(jìn)展.在此基礎(chǔ)上,探討了大規(guī)模知識庫環(huán)境下多源知識融合的挑戰(zhàn)和未來研究方向. 

【文章來源】：云南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020,42(03)北大核心CSCD

【文章頁數(shù)】：15 頁

【部分圖文】：

關(guān)于LiteralE如何應(yīng)用于基本評分函數(shù)f的說明圖

晌謀頸硎鞠?量及結(jié)構(gòu)表示向量組成，其中，文本表示向量的生成過程與邊上的鄰居相關(guān)，所以生成的節(jié)點(diǎn)表示也是上下文相關(guān)的.通過引入一種相互注意機(jī)制（MutualAttention），對節(jié)點(diǎn)的結(jié)構(gòu)信息和文本信息進(jìn)行了融合，從而可以考慮節(jié)點(diǎn)的上下文信息，在和不同的節(jié)點(diǎn)交互時(shí)具有不同的表示.模型在連接預(yù)測和節(jié)點(diǎn)分類的任務(wù)上均取得了比其它模型更好的結(jié)果，該工作對于實(shí)體消歧具有借鑒意義.Zhang等[36]提出一個(gè)基于協(xié)同過濾和知識圖譜特征學(xué)習(xí)（CollaborativeKnowledgeBaseEmbedding，CKE）的圖1SEEA方法的框架Fig.1TheframeworkoftheproposedSEEAmethod.第42卷趙曉娟等：多源知識融合技術(shù)研究綜述463

，同時(shí)利用更新門和重置門從雙向捕獲每個(gè)數(shù)據(jù)源的互補(bǔ)性和多樣性.然后，將所有隱藏狀態(tài)作為混合特征連接起來，形成一個(gè)新的向量表示，然后將它們輸入到全連接層.Bi-RNN[54]用于獲得文本表示.前向隱藏層可以得到隱藏的表示，后向隱藏層也可以得到表示.將兩種隱層表示融合在一起，然后利用自注意力機(jī)制自動(dòng)為不同的輸入指定權(quán)重.用戶昵稱、自我介紹、教育信息、工作信息和個(gè)性化標(biāo)簽被視為用戶元數(shù)據(jù).在連接了元數(shù)據(jù)的所有元素之后，將它們輸入到Bi-RNN層和元數(shù)據(jù)表示的注意力層圖2基于CKE框架的推薦系統(tǒng)流程圖Fig.2TheflowchartoftheproposedCollaborativeKnowledgeBaseEmbedding(CKE)frameworkforrecommendersystems圖3關(guān)于LiteralE如何應(yīng)用于基本評分函數(shù)f的說明圖Fig.3OverviewonhowLiteralEisappliedtothebasescoringfunctionf464云南大學(xué)學(xué)報(bào)（自然科學(xué)版）http://www.yndxxb.ynu.edu.cn第42卷

【參考文獻(xiàn)】：
期刊論文
[1]基于網(wǎng)絡(luò)語義標(biāo)簽的多源知識庫實(shí)體對齊算法[J]. 王雪鵬,劉康,何世柱,劉樹林,張?jiān)?趙軍.  計(jì)算機(jī)學(xué)報(bào). 2017(03)
[2]多源知識融合處理算法[J]. 周芳,王鵬波,韓立巖.  北京航空航天大學(xué)學(xué)報(bào). 2013(01)



本文編號：3254248