一种张量分解的知识图谱推理优化算法

发布时间：2020-10-18 01:20

　　 随着信息爆炸,知识图谱推理算法在社会网络、生物信息学等许多领域都有着重要应用。现有RESCAL张量分解的知识图谱推理算法仅从信息论或数值分析角度进行了张量分解,未充分考虑知识图谱数据的复杂性。因此,基于RESCAL张量分解,对于知识图谱推理问题,提出了一种改进的优化算法,称为KLLS*-RESCAL算法。该算法通过融合相对熵与平方差设置新的损失函数,从信息论与数值分析两个角度进行张量分解,综合考虑知识图谱数据的复杂性。实验结果表明,在知识图谱推理中,KLLS*-RESCAL算法相对于其他RESCAL算法具有更高的预测准确率。

【相似文献】

相关期刊论文 前10条

1 路梅;李凡长;;张量树学习算法[J];南京大学学报(自然科学);2015年02期

2 余可鸣;韩乐;杨晓伟;;弹球支持张量机分类器[J];模式识别与人工智能;2016年07期

3 胡奎;侯臣平;吴翊;;基于调和函数的张量数据维数约简[J];计算机工程与应用;2010年22期

4 邢笛;葛洪伟;李志伟;;模糊支持张量机图像分类算法及其应用[J];计算机应用;2012年08期

5 欧阳如意;;基于秩一矩阵补全的张量补全算法研究[J];微型电脑应用;2016年08期

6 俞炯;刘功申;;基于支持张量机的文本分类研究[J];信息技术;2016年09期

7 曾奎;何丽芳;杨晓伟;;基于多线性主成分分析的支持高阶张量机[J];南京大学学报(自然科学);2014年02期

8 王飞;许飞云;王海军;;局部分层非负张量分解算法及在机械故障诊断中的应用(英文)[J];Journal of Southeast University(English Edition);2011年04期

9 滕鑫鹏;宋顺林;詹永照;;一种改进的基于结构张量的高分辨率遥感图像道路提取算法[J];科技通报;2013年02期

10 陆成韬;李凡长;张莉;张召;;最小二乘半监督支持张量机学习算法[J];模式识别与人工智能;2016年07期

相关博士学位论文 前10条

1 赵新斌;基于张量数据的分类方法与应用[D];中国农业大学;2015年

2 杨兵;基于张量数据的机器学习方法研究与应用[D];中国农业大学;2014年

3 陈艳燕;基于张量理论的单分类模型及算法研究[D];中国农业大学;2016年

4 白有茂;基于张量流形学习的图像分类技术研究[D];中国矿业大学（北京）;2013年

5 王乐乐;基于稀疏表示理论的数据采集与恢复[D];湖南大学;2017年

6 张乐飞;遥感影像的张量表达与流形学习方法研究[D];武汉大学;2013年

7 李洁;多模态脑电信号分析及脑机接口应用[D];上海交通大学;2009年

8 章希睿;张量/四元数域电磁矢量传感器阵列鲁棒自适应波束形成[D];北京理工大学;2014年

9 郭贤;基于张量的遥感影像去噪、特征提取和分类方法研究[D];武汉大学;2015年

10 韩超;面向多义异构数据的分类算法研究[D];华南理工大学;2019年

相关硕士学位论文 前10条

1 周蓉;支持张量机的在线学习算法研究[D];华南理工大学;2014年

2 邱志勇;一类支持张量机及其算法研究[D];华南理工大学;2015年

3 郭腾蛟;基于遗传算法的张量特征选择研究[D];华南理工大学;2014年

4 蔡燕;模糊支持张量机[D];华南理工大学;2014年

5 潘宇;基于张量环的神经网络研究[D];电子科技大学;2020年

6 易丹;快速在线支持张量机分类算法研究[D];华南理工大学;2016年

7 谭亮军;鲁棒支持张量机模型及算法研究[D];华南理工大学;2013年

8 高建超;基于张量填充的视觉数据恢复[D];天津大学;2018年

9 李倩;支持张量机的切平面算法研究[D];华南理工大学;2016年

10 余可鸣;在线最小二乘支持张量机研究[D];华南理工大学;2016年

本文编号：2845580