面向公安情报分析的知识图谱推理技术研究与实现

发布时间：2020-09-27 15:28

　　 知识图谱是由谷歌提出的一种结构化的数据库,其用三元组的形式来存储实体之间的关联关系,在数据库中这些实体和关系都是以向量的形式来表示,其目的是以一种简洁的结构化信息来刻画实体之间的语义关系,从而达到进行逻辑推理的目的。然而近年来,随着更加完善的知识抽取技术,知识图谱所包含的数据量也在不断增加,结构以及实体之间的语义信息也更加复杂,所以对于在知识图谱上的知识推理技术来说是一个很大的挑战,而研究如何将知识图谱的结构信息应用于知识推理以及如何将知识图谱和知识推理应用于其他应用(如问答系统)也成为了一个非常重要的挑战和任务。本文从知识推理现阶段所面临的挑战出发,研究了一种通过水波网络包含图谱结构信息的新的知识表示技术(TRNG),并将其应用于问答系统。另外针对公共安全领域数据错综复杂不利于机器学习发挥等问题完成了公共安全领域知识图谱的构建。具体包含以下三部分:1.通过借鉴水波网络的扩散过程,将其应用于发现知识图谱的结构信息。本文不仅给出自定义的扩散函数并且设计出能包含知识图谱实体结构信息的目标函数与损失函数,最终通过实验证明了TRNG知识推理技术的可用性以及优越性。2.针对目前知识图谱推理输入输出的单一性问题,在知识图谱中引入自然语言问答系统。通过在编解码模型的输入和输出端加入两个基于知识子图的注意力机制,一方面提高了模型对于问句中语义的理解,另一方面也增强了输出时答案的质量。最终通过在开放实验数据上训练并与其他模型作对比验证了本文提出的基于知识子图注意力机制的自然语言问答模型(QAG)在语义理解以及对话模型中效果的优异。3.从数据获取到三元组抽取再到知识融合,本论文设计并实现了公共安全领域知识图谱的构建工作。在此之上通过使用TRNG算法完成了本知识图谱的知识表示工作并成功将其应用于关系发现等任务。之后在此中文知识图谱上接入自然语言问答系统,实现了知识图谱的人性化输入输出。
【学位单位】：电子科技大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：D631.1;TP391.1;TP18
【部分图文】：

基于概率图模型的知识推理技术

使用神经张量网络预测新的关系三元组[15]

sigmoid的函数图与导数图

【参考文献】

相关期刊论文 前1条

1 陈悦;刘则渊;陈劲;侯剑华;;科学知识图谱的发展历程[J];科学学研究;2008年03期

本文编号：2828052