面向知识图谱嵌入的自适应筛选算法研究

发布时间：2021-07-13 12:40

　　近年来,知识图谱的构建和应用迅速增长。知识图谱是指其节点是现实世界中的实体并且边是实体之间的关系的网络,表示为三元组形式（头实体,关系,尾实体）。这样由三元组形式的大量事实组成的网络建立了人类知识的结构系统。人们已经创建了大量的知识图谱,例如YAGO,NELL和Freebase。并且人们成功将其应用于很多领域,从语义解析和命名实体消歧到信息提取和问答。虽然这种结构能有效地表示结构化数据,但它却很难表述三元组的潜在属性。因此,人们提出了一种新的研究方向,称为知识图谱嵌入。其关键思想是将知识图谱的组件（包括实体和关系）嵌入到连续的向量空间中,以便在保留知识图谱的固有结构的同时简化操作。这些实体和关系嵌入可以进一步用于完成各种任务,例如知识图谱补全、关系提取、实体分类和实体解析。这些模型尝试使用不同的方法对三元组进行评分,目标是区分正例和反例。训练数据采样对于嵌入模型的更快和更好的收敛非常重要。目前,反例抽样引起了很多关注。为了减少训练中无效的反例样本,基于翻译的模型设置了替换头部或尾部实体的不同概率。研究了每个正例训练样本产生的反例数量的影响。在重组的三元组生成中也考虑实体的类型信息。此外... 

【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

TransE改进算法训练流程图

第4章实验验证38图4.1伯努利分布下FB15K数据集迭代20次Hits@10结果趋势图图4.2伯努利分布下FB15K数据集迭代20次MeanRank结果趋势图

第4章实验验证38图4.1伯努利分布下FB15K数据集迭代20次Hits@10结果趋势图图4.2伯努利分布下FB15K数据集迭代20次MeanRank结果趋势图

【参考文献】：
期刊论文
[1]基于表示学习和语义要素感知的关系推理算法[J]. 刘峤,韩明皓,杨晓慧,刘瑶,吴祖峰.  计算机研究与发展. 2017(08)
[2]知识图谱构建技术综述[J]. 刘峤,李杨,段宏,刘瑶,秦志光.  计算机研究与发展. 2016(03)
[3]知识表示学习研究进展[J]. 刘知远,孙茂松,林衍凯,谢若冰.  计算机研究与发展. 2016(02)
[4]基于语义网的教育应用研究现状分析[J]. 刘清堂,黄景修,吴林静,郭志强.  现代远距离教育. 2015(01)



本文编号：3282081