基于复杂模式知识图谱的相关搜索

发布时间：2020-06-15 10:15

【摘要】：基于知识图谱的相关搜索得到了很多的关注。给定知识图谱中的一个实体,相关搜索旨在寻找知识图谱中与该实体最为相关的实体。然而,相关性函数是隐式的、不断变化的。不同的用户针对不同的查询可能会从不同的语义角度考虑相关性。在具有成千上万种实体类型的复杂模式知识图谱中,查询的歧义性更为显著,这对于现有的方法无论从性能角度还是可扩展性角度都带来了极大的挑战。为了应对这一挑战,本文所提出的方法-RelSUE,通过要求用户提供一定数量的实体作为样例,继而自动地根据样例实体学习出最有可能的相关性函数。特别地,本文假设一个查询的意图可以通过一组模式层的元路径来刻画。RelSUE通过对知识图谱进行搜索来找到能够最好地刻画用户提供的样例实体与查询实体之间相关性的一组多样化元路径。该方法通过基于距离与度数的启发式规则对复杂模式知识图谱庞大的搜索空间进行了极大的剪枝,并通过推理对对于查询实体等价的元路径进行去重复操作。最终,RelSUE通过一个线性模型来预测各个实体与查询实体的相关性。实验表明,RelSUE能够战胜目前前沿的相关搜索算法。
【学位授予单位】：南京大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.3
【图文】：

实例图,实例,图谱

图１．２逦－个知Ｕ丨图谱实例．逡逑

搜索树,算法

函数ＳｅｌＴＮ选择当前最具有希望的（ｐｒｏｍｉｓｉｎｇ）树节点进行扩展，最优树逡逑节点被记为对《邋（如算法第６行所示）。函数ＥｘｐＳＴ对进行扩展，并返回扩逡逑展得到的子节点集合７Ｗ邋（如算法第７行所示）。对于这些新扩展出的树节逡逑点中的每一个节点，记为ｍ邋（如算法第８行所示），其希望值（ｐｒｏｍｉｓｅ）可以逡逑通过函数ＥｖａｌＴＮ计算（如算法第９行所示）。如果Ｒｅｐ（ｍ）与Ａ相交（例如本逡逑文实例中的例子，Ｒｅｐ（Ａｃｔｏｒ）邋Ｐｉ邋八＝｛Ｓｔｅｖｅ邋Ｍａｒｔｉｎ，邋Ｂｉｌｌ邋Ｍｕｒｒａｙ｝），逡逑一条新的元路径将会被函数ＧｅｔＭＰ生成，该元路径对应搜索树中由根逡逑节点走到节点ｍ的路径，并且其重要性函数值ｓｉｇ大于０邋（如算法第１０－１１行逡逑所示）。如果元路径！Ｐ，的重要性ｓｉｇ（Ａ）达到了预定义的重要性阈值ｒ邋（如算逡逑法第１２行所示），则称其为一条“足够重要”的元路径，当该元路径不与之前逡逑迭代中己选择的元路径集合中的任一条元路径对于查询实体ｇ等价时，将逡逑该元路径加入元路径集合ＭＰ中（如算法第１３－２０行所示）。算法会一直重复逡逑这样的选择元路径的过程直到终止条件满足。在接下来的内容中，本文将会对逡逑算法中几个关键的步骤进行展开详述。逡逑

【相似文献】