结合上下文信息的知识图谱表示学习方法

发布时间：2024-05-14 01:42

　　知识图谱是当今大数据时代至关重要的信息数据库,未来将在零售、供应链、金融等领域持续发挥信息的检索和推理作用。知识图谱虽然已经对知识信息进行了结构化的表示,但在实际生产应用中如何利用这些信息仍然是一个巨大的挑战。而知识图谱表示学习为知识图谱实际应用信息的使用提供了重要的解决途径。知识图谱表示学习技术逐渐成为知识图谱应用到生产领域的关键一环,可以应用于推荐系统、知识问答、自然语言理解等众多领域。大多数现有的知识图谱表示学习方法都将目光集中于知识图谱中现有的三元组内部所蕴含的信息。近年来,许多研究显示,知识图谱中实体之间的上下文信息,诸如实体间隐藏的联系、邻域信息、路径信息等都可以对知识图谱表示学习任务起到十分可观的作用。本文着重对实体间隐藏的联系和邻域信息进行了研究和实验,探讨了它们在知识图谱表示学习的中的影响。对于实体间隐藏的联系,我们提出一种结合注意力机制的知识图谱表示学习翻译模型。我们在添加非线性映射的Trans D的基础上,将实体与其他实体之间使用注意力机制联系起来,进一步增强了模型的效果。此外我们的模型复杂度相对神经网络模型较低,但是依然具有不差于神经网络模型的效果。对于邻域信息...

【文章页数】：75 页

【学位级别】：硕士

【部分图文】：

图1.1:知识图谱结构图[51]

第一章绪论华东师范大学研究生硕士学位论文常重要的角色，在文本翻译、资料查询、智能服务、自动建议、互联网购物、财务风控、刑事案件调查、司法审理等具体应用方面都起着至关重要的支柱作用。许多特定的用途和应用都依赖于知识图谱，例如根据上下文的内容推荐，知识图谱驱动的药物发现、语义搜索、投....

图2.1:典型的生物神经网络

第二章相关知识和技术2.1神经网络和注意力机制2.1.1神经网络人工神经网络，简称神经网络，神经网络的概念近十几年来在计算机领域十分火热，其主要是受生物学启发通过模仿人类神经细胞结构来进行数据的计算和传递。神经网络通常是模仿构建人类神经结构的计算网络，类似于人类神经系统中的结构相....

图2.2:典型的人工神经网络

第二章相关知识和技术华东师范大学研究生硕士学位论文图2.2:典型的人工神经网络表2.1:生物神经网络与人工神经网络对应关系生物神经网络人工神经网络树突（Dendrite）输入（Input）细胞核（CellNucleus）节点（Node）突触（Synapse）权重（Weight）轴....

图2.3:神经网络三层结构

第二章相关知识和技术华东师范大学研究生硕士学位论文图2.3:神经网络三层结构以一个传递函数的形式表示。n∑i=1WiXi+b其中W为权重，X为输入，b为偏差，该函数计算得到的权重总计将作为输入传递给一个激活函数以生成输出。激活函数决定一个节点是否应被触发，只有那些被激活的节点才能....

本文编号：3973009