基于表示学习和语义要素感知的关系推理算法
本文选题：统计关系学习 + 关系推理 ； 参考：《计算机研究与发展》2017年08期
【摘要】：基于知识表示的关系推理方法研究是近年来统计关系学习和知识图谱领域共同关注的热点.通过对当前流行的基于知识表示的推理模型进行比较,分析了现有模型所普遍采用的基本假设存在的不合理之处,即忽视了实体与关系在语义上的多样性.据此提出了一种新的关系推理建模假设:实体对之间的每种关系反映的是两侧实体在某些特定方面的语义关联,通过对实体向量的语义方面要素进行选择性加权,可以实现对不同关系语义的表示和区分.根据该假设提出了一种新的关系推理建模方法,采用非线性变换的方法来解决表示学习中的语义分辨率问题.在公开数据集上的实验结果表明:所提出的算法对复杂关系类型和相关实体具有良好的语义区分能力,能有效提高知识图谱上的关系推理准确率,性能显著优于目前主流的相关工作.
[Abstract]:The research of relational reasoning based on knowledge representation is a hot topic in the field of statistical relationship learning and knowledge map in recent years. By comparing the current popular reasoning models based on knowledge representation, this paper analyzes the unreasonableness of the basic assumptions commonly used in the existing models, that is, ignoring the semantic diversity of entities and relationships. Based on this, a new relational reasoning model hypothesis is proposed: each relation between entity pairs reflects the semantic association of two sides of entities in some specific aspects, which is selectively weighted by the semantic elements of entity vectors. The representation and differentiation of different relational semantics can be realized. Based on this assumption, a new modeling method of relational reasoning is proposed, which uses nonlinear transformation to solve the problem of semantic resolution in representation learning. Experimental results on open datasets show that the proposed algorithm has good semantic differentiation ability for complex relation types and related entities, and can effectively improve the accuracy of relational reasoning on knowledge atlas. Performance is significantly superior to current mainstream related work.
【作者单位】： 电子科技大学信息与软件工程学院;
【基金】：国家自然科学基金项目(61133016,U1401257) 四川省高新技术及产业化面上项目(2017GZ0308)~~
【分类号】：TP181
【参考文献】
相关期刊论文 前3条
1 刘峤;李杨;段宏;刘瑶;秦志光;;知识图谱构建技术综述[J];计算机研究与发展;2016年03期
2 刘知远;孙茂松;林衍凯;谢若冰;;知识表示学习研究进展[J];计算机研究与发展;2016年02期
3 王元卓;贾岩涛;刘大伟;靳小龙;程学旗;;基于开放网络知识的信息检索与数据挖掘[J];计算机研究与发展;2015年02期
【共引文献】
相关期刊论文 前10条
1 刘峤;韩明皓;杨晓慧;刘瑶;吴祖峰;;基于表示学习和语义要素感知的关系推理算法[J];计算机研究与发展;2017年08期
2 陈志明;李茂西;王明文;;基于神经网络特征的句子级别译文质量估计[J];计算机研究与发展;2017年08期
3 孙彬;王东;;“一带一路”物流中心大数据体系的建设[J];中国流通经济;2017年08期
4 陈亮;张海超;杨冠灿;雷孝平;于庆国;;利用Knowledge Graph的专利表示方法及其应用[J];图书情报工作;2017年09期
5 王冲潉;;智能搜索技术发展态势分析[J];现代电信科技;2017年03期
6 简琦琛;张太华;何二宝;伍权;;一种基于PLM的产品数据智能模型及应用[J];贵州科学;2017年03期
7 王晓静;李琦;;大型计算机网络中的非正常数据挖掘技术研究[J];现代电子技术;2017年12期
8 李超;柴玉梅;高明磊;昝红英;;句法分析和深度神经网络在中文问答系统答案抽取中的研究[J];小型微型计算机系统;2017年06期
9 王辉;郁波;洪宇;肖仰华;;基于知识图谱的Web信息抽取系统[J];计算机工程;2017年06期
10 彭如香;杨涛;孔华锋;王永剑;;基于广告联盟的虚拟身份画像方法研究[J];计算机应用与软件;2017年06期
【二级参考文献】
相关期刊论文 前10条
1 王元卓;贾岩涛;刘大伟;靳小龙;程学旗;;基于开放网络知识的信息检索与数据挖掘[J];计算机研究与发展;2015年02期
2 程学旗;靳小龙;王元卓;郭嘉丰;张铁赢;李国杰;;大数据系统和分析技术综述[J];软件学报;2014年09期
3 陈立玮;冯岩松;赵东岩;;基于弱监督学习的海量网络数据关系抽取[J];计算机研究与发展;2013年09期
4 王元卓;靳小龙;程学旗;;网络大数据:现状与展望[J];计算机学报;2013年06期
5 卢道设;杨世瀚;吴尽昭;熊玲芳;;基于描述逻辑的组合知识库推理[J];计算机应用研究;2012年12期
6 李国杰;程学旗;;大数据研究:未来科技及经济社会发展的重大战略领域——大数据的研究现状与科学思考[J];中国科学院院刊;2012年06期
7 郭剑毅;李真;余正涛;张志坤;;领域本体概念实例、属性和属性值的抽取及关系预测[J];南京大学学报(自然科学版);2012年04期
8 钟秀琴;刘忠;丁盘苹;;基于混合推理的知识库的构建及其应用研究[J];计算机学报;2012年04期
9 赵军;刘康;周光有;蔡黎;;开放式文本信息抽取[J];中文信息学报;2011年06期
10 万长林;史忠植;胡宏;张大鹏;;基于本体的语义Web服务QoS描述和发现[J];计算机研究与发展;2011年06期
【相似文献】
相关期刊论文 前7条
1 齐新军;宗明魁;;3DR34关系模型表示与分析[J];煤炭技术;2011年03期
2 潘燕群;;基于规则的空间关系推理[J];科技信息(学术研究);2008年24期
3 刘新;刘文宝;;3D-GIS中方向关系描述及其推理[J];测绘科学;2007年03期
4 何同弟;汪西莉;;路径查找空间关系推理研究综述[J];装备制造技术;2007年09期
5 张艳晓;董金明;;基于Web服务的空间关系推理研究[J];数字技术与应用;2013年04期
6 刘正林;齐玉斌;高爱华;钱颖;;点物体主方向关系的一致性检验[J];计算机工程与应用;2008年26期
7 ;[J];;年期
相关会议论文 前3条
1 阮昆良;黄希庭;;时间关系推理特点的研究[A];第十届全国心理学学术大会论文摘要集[C];2005年
2 姚志强;;关系推理中信念偏差效应的研究[A];第十届全国心理学学术大会论文摘要集[C];2005年
3 曹菡;陈军;;空间关系推理的本体论研究[A];中国地理信息系统协会第三次代表大会暨第七届年会论文集[C];2003年
相关博士学位论文 前2条
1 曹菡;空间关系推理的知识表示与推理机制研究[D];武汉大学;2002年
2 王淼;基于Voroni图的近邻查询及方向关系推理的研究[D];哈尔滨理工大学;2010年
相关硕士学位论文 前5条
1 祝中华;事件本体的量化推理方法研究[D];武汉科技大学;2016年
2 阮昆良;日常生活事件时间关系推理的初步研究[D];西南师范大学;2005年
3 成雪琴;三维空间物体的方向关系描述与推理[D];燕山大学;2011年
4 王欢;基于本体和SWRL的空间关系推理的设计与实现[D];陕西师范大学;2007年
5 曹秀燕;基于单幅图像的三维空间关系推理研究[D];燕山大学;2013年
，本文编号：2047963
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2047963.html
