基于图神经网络的知识图谱构建与推理

发布时间：2023-04-28 17:12

　　知识图谱以关系密切的结构和知识驱动的特征,得以广泛应用于众多的数据科学和人工智能场景中。从计算智能到认知智能的跨越,也离不开对知识表示及其推理技术的相关研究。然而,实现进一步的知识图谱推理,需要从大图数据的角度出发,统筹考虑复杂场景下的合理化知识表征、实现具备更多认知水平考虑的知识图谱构建方法以及融合更多知识信息的推理算法。因此,本课题围绕教育领域相关知识图谱构建为例,对知识表示模型构建、知识信息抽取和知识推理方法进行相关优化。课题首先选取了教育领域中的学习者评论作为研究对象,探究了其多维语义空间下的知识表征模型构建及其适用性。研究首先对学习者评论的定义进行了时间、情感和社交语义的扩充,并对学习者评论的知识模型进行了重构。进一步,通过引入系列算法和数据抽取方法,实现了基于学习者评论的知识图谱的知识抽取和构建。研究还通过融合情感分析算法、社交语义分析和时间序列分析算法,分别对时间、情感和社交下的语义模型进行了分析与挖掘,实现了知识图谱下的学习分析画像可视化。课题的第二部分主要针对人文属性较强且高度依赖人工认知标注的知识图谱构建,提出了融合群体智慧的知识图谱构建方法。目前,基于LSTM、T...

【文章页数】：78 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 选题背景
    1.2 国内外研究现状
    1.3 研究内容与方法
    1.4 研究目的和意义
    1.5 研究重难点
    1.6 论文章节安排
第二章 相关概念与关系
    2.1 相关概念
    2.2 概念界定
    2.3 相关关系
第三章 多维语义知识图谱的表征——以“学习者的评论”构建知识图谱为例
    3.1 背景
    3.2 相关工作
    3.3 学习者评论的语义模型
    3.4 SESM模型的构建
    3.5 可视化
    3.6 拓展的时序分析应用
    3.7 小结
第四章 基于群体智慧的诗歌知识图谱构建
    4.1 背景
    4.2 模型表征
    4.3 知识图谱的引入
    4.4 群体任务设计
    4.5 答案得分与优化器:群体考虑评分机制
    4.6 古代诗词中的语言人文性知识图谱
    4.7 小结
第五章 基于图神经网络的知识图谱构建
    5.1 图神经网络引入与推理任务界定
    5.2 传统知识图谱任务方法
    5.3 基于图神经网络的方法
    5.4 知识图谱推理模型改进
    5.5 实验
第六章 总结与展望
    6.1 总结
    6.2 研究不足
    6.3 未来研究方向
参考文献
攻读硕士学位期间发表的论文
致谢



本文编号：3804122