摘要
针对演化知识图谱Evolve KG框架中对不同时间所发生事件之间影响力刻画不足的问题,提出了一种改进的Evolve KG框架,从历史事件的时间影响和内容相似性影响两个方面进行考虑,得到一种历史事件对当前事件的综合影响力模型,计算得到事件在时间维度的总影响度,并转换为知识图谱中关系边上的权重。通过将该方法应用于ICEWS数据库上的链路预测实验结果表明,改进后的Evolve KG评估指标比原Evolve KG算法得到了明显的改善。该方法可以定量地描述历史事件对当前事件的综合影响力,为研究动态知识图谱演化提供了一种新思路。
出处
《计算机应用研究》
CSCD
北大核心
2020年第S01期159-162,共4页
Application Research of Computers
基金
国家自然科学基金资助项目(61562052)
作者简介
詹威威(1991-),男,河南周口人,助理工程师,硕士,主要研究方向为机器学习、知识图谱(zhanweiwei@cetcbigdata.com);程序(1984-),男,贵州贵阳人,工程师,博士,主要研究方向为机器学习、知识图谱;蔡惠民(1985-),男,广西桂平人,工程师,博士,主要研究方向为自然语言处理、知识图谱构建及应用;刘汪洋(1987-),男,四川德阳人,工程师,博士,主要研究方向为大数据、知识图谱;王彬(1977-),女,黑龙江哈尔滨人,副教授,硕导,博士,主要研究方向为复杂动态系统、智能信息处理;余正涛(1970-),男,云南昭通人,教授,博导,博士,主要研究方向为自然语言处理、信息检索.
