知识图谱中语义路径组合关系的推理算法研究
发布时间：2021-02-25 19:03
随着近年来互联网中数据的海量增长以及人工智能的发展,对各种异构数据的处理能力也在不断的提高,知识以及知识间的关系逐渐受到行业发展的重视。知识图谱的产生使得互联网中的数据具有了较好的语义处理能力,但目前知识图谱仍处于正在发展的过程,远未达到完善的程度,知识图谱中虽包含了上亿条事实数据,但对不常用到的一些较冷门的知识尚未完全覆盖到,同时,仍存在部分可以通过简单的推理得到的知识也未被标识出。因此进行知识图谱的补全具有重要的意义。而目前对知识图谱补全的工作大都集中于对实体对间直接关系的补全,本文主要针对短路径中存在的部分事实关系的补全,并提出了一种知识图谱中语义路径组合关系的推理算法（简称CSPRRA）。针对目前知识图谱中隐含关系的推理问题本文工作如下:（1）针对以往知识推理的过程大都基于图结构进行,计算成本较高且扩展性能较差等问题,本文受知识表示学习的启发,利用Bordes A等人提出的翻译模型,将知识图谱嵌入到低维向量空间中进行计算,从而提高计算效率以及扩展性。（2）为挖掘知识图谱中路径上的信息,就需要获取到两个实体间存在的某种可达的路径信息,在本文中,提出了一种基于强化学习的路径发现模型...
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
图１．４问题导出图??Ｆｉｇ．?１．４?Ｄｉａｇｒａｍ?ｏｆ?Ｐｒｏｂｌｅｍ?ｅｘｐｏｒｔ??
?大连海事大学硕士学位论文???知识图谱中这种表示知识的方式，清晰简洁的将互联网中存在的各种不同来源，不??同表示方式，不同结构的信息利用结构化的规则组织了起来，使得这些信息不再杂乱无??章，并能够更好的进行管理和利用。目前知识图谱技术的快速发展，使得基于知识图谱??发展的一些问答系统，比如ＩＢＭＷａｔｓｏｎ，推荐系统、还有一些日常接触到的移动个人助??理Ａｐｐｌｅ?Ｓｉｒｉ等这些应用变得更加智能化。常见的知识图谱示例表示如图２．１所示。??ｐｉｆｌｎｎ??ＨＢｙｎＴｊ??？：?、图２＿ｌ谷歌知识图谱示例：??Ｆｉａ．?２．１?Ｇｏｏｇｌｅ?Ｋｎｏｗｌｅｄｇｅ?Ｇｒａｐｈ?Ｅｘａｍｐｌｅ??＊?＾?｜?？?？?－?；??在早期，知识图谱虽然＿确性嵩、结构性好，但因为依靠手动构建‘，因此并不完善。??同时受技术发展水平的限制，无论是在扩充还是基于内部知识的推理方面的表现并不良??好。而在后期基于各种统计机器学习在处理问题方面的表现优势，使得知识图谱可以进??行半自动或自动化的构建，到目前为止，基于知识图谱上的各种应用，比如知识推理，??都不再简单的依赖于图结构进行，而是对表示学习、机器学习、强化学习等这些技术加??以利用。但是目前仍然是不完善的，对知识图谱的中知识的补全依然具有重要的意义。??本文是在封闭域知识图谱前提下，通过对实体间存在的较短路径上存在的潜在知识进行??关系推理。??在行业内存在两种对知识图谱的假设，一种是封闭域假设，该假设认为对于已经构??建好的知识图谱，其中存在的知识都是正确的，而不存在于其中的知识是错误的。另一??种是开放域假设，该假设认为，互联网中的知识是在源源不断更新的，
??－？?ＴｒａｎｓＥ?模型???ＴｒａｎｓＨ?模型?文献［３８］??－？｜?ＴｒａｎｓＲ?模型?文献［３９］??义献［４０］中的ＳＳＥ模型通过文献［４１］中提到的??ｒ－?拉晋拉斯特征映射０．Ｆ）和文献［４２］中提出的??ｆ弓．ＩＡ外加１：吾｜?局部线性嵌入（ＬＬＥ）两种兑法引入实体的语义类别信息??义信息?????１?文献［４３］十提出的ＤＫＲＬ通过利用??连续词袋模型（ＣＢ０Ｗ）和深度卷和神经网络（ＣＮＮ），从实体??描述语句中引入实体的语义信息??图２．?２嵌入表示模型分类图??Ｆｉｇ．?２．２?Ｅｍｂｅｄｄｅｄ?ｒｅｐｒｅｓｅｎｔａｔｉｏｎ?ｍｏｄｅｌ?ｃｌａｓｓｉｆｉｃａｔｉｏｎ??常见的嵌入表示模型分类如图２．２所示。其中的神经张量网络模型（ＮＴＮ）这种方法??当参数过多会存在过拟合问题。翻译模型比如ＴｒａｎｓＥ、ＴｒａｎｓＨ、ＴｒａｎｓＲ等算法，区别在??于，ＴｒａｎｓＥ模型是将知识图谱中的实体和关系映射到一个统一的低维向量空间中，这使??得在面对一对多、多对一和多对多关系的问题中表现不好。而另外两种模型则是根据关??系进行实体的投影，进而实现对实体的不同语义进行不同处理。在一定程度上解决了??－１３?－??
【参考文献】：
期刊论文
[1]知识图谱研究进展[J]. 漆桂林,高桓,吴天星. 情报工程. 2017(01)
[2]知识图谱技术综述[J]. 徐增林,盛泳潘,贺丽荣,王雅芳. 电子科技大学学报. 2016(04)
[3]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)
[4]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)
[5]统计机器学习研究[J]. 李钧涛,杨瑞峰,左红亮. 河南师范大学学报(自然科学版). 2010(06)
[6]谓词/变迁系统对一阶谓词公式的建模[J]. 耿霞,吴哲辉,张继军. 系统仿真学报. 2007(S1)
[7]悄然兴起的科学知识图谱[J]. 陈悦,刘则渊. 科学学研究. 2005(02)
[8]机器学习研究的发展现状与动向[J]. 杨忠祥. 信息与控制. 1987(01)
硕士论文
[1]融合结构和语义信息的知识图谱补全算法研究[D]. 唐慧琳.北京邮电大学 2017
本文编号：3051433
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
图１．４问题导出图??Ｆｉｇ．?１．４?Ｄｉａｇｒａｍ?ｏｆ?Ｐｒｏｂｌｅｍ?ｅｘｐｏｒｔ??
?大连海事大学硕士学位论文???知识图谱中这种表示知识的方式，清晰简洁的将互联网中存在的各种不同来源，不??同表示方式，不同结构的信息利用结构化的规则组织了起来，使得这些信息不再杂乱无??章，并能够更好的进行管理和利用。目前知识图谱技术的快速发展，使得基于知识图谱??发展的一些问答系统，比如ＩＢＭＷａｔｓｏｎ，推荐系统、还有一些日常接触到的移动个人助??理Ａｐｐｌｅ?Ｓｉｒｉ等这些应用变得更加智能化。常见的知识图谱示例表示如图２．１所示。??ｐｉｆｌｎｎ??ＨＢｙｎＴｊ??？：?、图２＿ｌ谷歌知识图谱示例：??Ｆｉａ．?２．１?Ｇｏｏｇｌｅ?Ｋｎｏｗｌｅｄｇｅ?Ｇｒａｐｈ?Ｅｘａｍｐｌｅ??＊?＾?｜?？?？?－?；??在早期，知识图谱虽然＿确性嵩、结构性好，但因为依靠手动构建‘，因此并不完善。??同时受技术发展水平的限制，无论是在扩充还是基于内部知识的推理方面的表现并不良??好。而在后期基于各种统计机器学习在处理问题方面的表现优势，使得知识图谱可以进??行半自动或自动化的构建，到目前为止，基于知识图谱上的各种应用，比如知识推理，??都不再简单的依赖于图结构进行，而是对表示学习、机器学习、强化学习等这些技术加??以利用。但是目前仍然是不完善的，对知识图谱的中知识的补全依然具有重要的意义。??本文是在封闭域知识图谱前提下，通过对实体间存在的较短路径上存在的潜在知识进行??关系推理。??在行业内存在两种对知识图谱的假设，一种是封闭域假设，该假设认为对于已经构??建好的知识图谱，其中存在的知识都是正确的，而不存在于其中的知识是错误的。另一??种是开放域假设，该假设认为，互联网中的知识是在源源不断更新的，
??－？?ＴｒａｎｓＥ?模型???ＴｒａｎｓＨ?模型?文献［３８］??－？｜?ＴｒａｎｓＲ?模型?文献［３９］??义献［４０］中的ＳＳＥ模型通过文献［４１］中提到的??ｒ－?拉晋拉斯特征映射０．Ｆ）和文献［４２］中提出的??ｆ弓．ＩＡ外加１：吾｜?局部线性嵌入（ＬＬＥ）两种兑法引入实体的语义类别信息??义信息?????１?文献［４３］十提出的ＤＫＲＬ通过利用??连续词袋模型（ＣＢ０Ｗ）和深度卷和神经网络（ＣＮＮ），从实体??描述语句中引入实体的语义信息??图２．?２嵌入表示模型分类图??Ｆｉｇ．?２．２?Ｅｍｂｅｄｄｅｄ?ｒｅｐｒｅｓｅｎｔａｔｉｏｎ?ｍｏｄｅｌ?ｃｌａｓｓｉｆｉｃａｔｉｏｎ??常见的嵌入表示模型分类如图２．２所示。其中的神经张量网络模型（ＮＴＮ）这种方法??当参数过多会存在过拟合问题。翻译模型比如ＴｒａｎｓＥ、ＴｒａｎｓＨ、ＴｒａｎｓＲ等算法，区别在??于，ＴｒａｎｓＥ模型是将知识图谱中的实体和关系映射到一个统一的低维向量空间中，这使??得在面对一对多、多对一和多对多关系的问题中表现不好。而另外两种模型则是根据关??系进行实体的投影，进而实现对实体的不同语义进行不同处理。在一定程度上解决了??－１３?－??
【参考文献】：
期刊论文
[1]知识图谱研究进展[J]. 漆桂林,高桓,吴天星. 情报工程. 2017(01)
[2]知识图谱技术综述[J]. 徐增林,盛泳潘,贺丽荣,王雅芳. 电子科技大学学报. 2016(04)
[3]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)
[4]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)
[5]统计机器学习研究[J]. 李钧涛,杨瑞峰,左红亮. 河南师范大学学报(自然科学版). 2010(06)
[6]谓词/变迁系统对一阶谓词公式的建模[J]. 耿霞,吴哲辉,张继军. 系统仿真学报. 2007(S1)
[7]悄然兴起的科学知识图谱[J]. 陈悦,刘则渊. 科学学研究. 2005(02)
[8]机器学习研究的发展现状与动向[J]. 杨忠祥. 信息与控制. 1987(01)
硕士论文
[1]融合结构和语义信息的知识图谱补全算法研究[D]. 唐慧琳.北京邮电大学 2017
本文编号：3051433
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3051433.html
