知識圖譜以關系密切的結構和知識驅(qū)動的特征,得以廣泛應用于眾多的數(shù)據(jù)科學和人工智能場景中。從計算智能到認知智能的跨越,也離不開對知識表示及其推理技術的相關研究。然而,實現(xiàn)進一步的知識圖譜推理,需要從大圖數(shù)據(jù)的角度出發(fā),統(tǒng)籌考慮復雜場景下的合理化知識表征、實現(xiàn)具備更多認知水平考慮的知識圖譜構建方法以及融合更多知識信息的推理算法。因此,本課題圍繞教育領域相關知識圖譜構建為例,對知識表示模型構建、知識信息抽取和知識推理方法進行相關優(yōu)化。課題首先選取了教育領域中的學習者評論作為研究對象,探究了其多維語義空間下的知識表征模型構建及其適用性。研究首先對學習者評論的定義進行了時間、情感和社交語義的擴充,并對學習者評論的知識模型進行了重構。進一步,通過引入系列算法和數(shù)據(jù)抽取方法,實現(xiàn)了基于學習者評論的知識圖譜的知識抽取和構建。研究還通過融合情感分析算法、社交語義分析和時間序列分析算法,分別對時間、情感和社交下的語義模型進行了分析與挖掘,實現(xiàn)了知識圖譜下的學習分析畫像可視化。課題的第二部分主要針對人文屬性較強且高度依賴人工認知標注的知識圖譜構建,提出了融合群體智慧的知識圖譜構建方法。目前,基于LSTM、T...

【文章頁數(shù)】：78 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 選題背景
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 研究內(nèi)容與方法
    1.4 研究目的和意義
    1.5 研究重難點
    1.6 論文章節(jié)安排
第二章 相關概念與關系
    2.1 相關概念
    2.2 概念界定
    2.3 相關關系
第三章 多維語義知識圖譜的表征——以“學習者的評論”構建知識圖譜為例
    3.1 背景
    3.2 相關工作
    3.3 學習者評論的語義模型
    3.4 SESM模型的構建
    3.5 可視化
    3.6 拓展的時序分析應用
    3.7 小結
第四章 基于群體智慧的詩歌知識圖譜構建
    4.1 背景
    4.2 模型表征
    4.3 知識圖譜的引入
    4.4 群體任務設計
    4.5 答案得分與優(yōu)化器:群體考慮評分機制
    4.6 古代詩詞中的語言人文性知識圖譜
    4.7 小結
第五章 基于圖神經(jīng)網(wǎng)絡的知識圖譜構建
    5.1 圖神經(jīng)網(wǎng)絡引入與推理任務界定
    5.2 傳統(tǒng)知識圖譜任務方法
    5.3 基于圖神經(jīng)網(wǎng)絡的方法
    5.4 知識圖譜推理模型改進
    5.5 實驗
第六章 總結與展望
    6.1 總結
    6.2 研究不足
    6.3 未來研究方向
參考文獻
攻讀碩士學位期間發(fā)表的論文
致謝



本文編號：3804122