异构知识图谱融合系统的研究与实现

发布时间：2024-04-14 23:49

　　知识图谱是大规模的语义网络,近年来受到了学术界和业界的广泛关注。随着越来越多的知识图谱被构建出来,如何将异构知识图谱中的知识进行自动化融合,从而提升对领域知识的覆盖度,以达到更好的知识图谱应用效果,成为了一项热门的研究课题。除了早年的语义网研究中关注的本体对齐外,异构知识图谱融合的两个子任务为:实体对齐和属性对齐,分别对应于知识图谱中的实体层和模式层的融合。然而,以往的研究工作主要集中于实体对齐任务上,对属性对齐任务则关注较少,且往往忽略了这两个子任务之间的关联性。但事实上,不仅实体的对齐可以促进属性的对齐,属性的对齐反之也可以帮助实体做更好的对齐。基于以上调研与分析,本文研究并提出了一个实体对齐与属性对齐交互进行、互相促进的知识图谱融合算法,并基于该算法设计并实现了一个支持实体对齐和属性对齐之间交互促进的知识图谱融合原型系统。本文具体内容包括:(1)在实体对齐模块,设计了一个综合利用属性三元组及关系三元组的无监督实体对齐算法。该算法迭代式地执行实体对齐与属性对齐两个步骤,并与关系嵌入模型结合,在实体对齐准确度上比现有方法提高了约5%。(2)在属性对齐模块,提出了基于属性的关联实体去计...

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

图２－２属性名多样性带来的阻石寻??这两种方法均是基于属性和属性值的，它们忽略了图谱中非常重要的关系元素

（ａｌｉｇｎｍｅｎｔ?ｓｅｅｄｓ），通过机??器学习的方法习得个性化的匹配规则，以解决领域之间的差异性问题。而以ＰＡＲＩＳ为??代表的概率模型则认为机器学习的方法往往需要耗费大量人工去标注实体对作为训??练数据，为了解决训练数据匮乏及参数调节困难的问题，提出基于概率去衡量两个??....

图２－４?ＪＡＰＥ模型??

构嵌入（Ｓｔｒｕｃｔｕｒｅ?Ｅｍｂｅｄｄｉｎｇ，简称ＳＥ）和属性??嵌入（Ａｔｔｒｉｂｕｔｅ?Ｅｍｂｅｄｄｉｎｇ，简称ＡＥ）这两个模型来学习实体的ｅｍｂｅｄｄｉｎｇ，其中ＳＥ??从关系三元组的角度对两个图谱的关系结构进行建模，而ＡＥ尝试将经常用来描述同??一个实体的属性聚类到一起....

图２－６百度百科杭州词条??

０１８０元（２０１８年〉??邮酌区辑?３１００００?历史名Ａ?孙校、厉￥？、Ｘ活、贺知１等??浙：工省北部？钱垮工下游＊宇杭大运可雨端?与Ｋ名人?马云、厉声轱、？：氐后、枵等??ｉｆｏ?＜！＇?１６８５３?５７平方千米?ｔ再字扪?彳ｆｉ：Ｉ大字、中国美咤、折工大等??丨丨?９８０....

图４－２属性对齐的例子??

第四章基于关联实体计算相似度的属性对齐算法?异构知识图谱融合系统的研究与实现??述的实体对齐算法中曾经提到，基于已知对齐的实体对和关系对种子，可以对剩余??的实体和关系进行对齐，这里就是利用了非常关键的图谱结构信息。但这种方法存??在的问题是，对于那些出现频次较高的关系，结构信息....

本文编号：3955414