-
题名基于变体注意力的关系与属性感知实体对齐
- 1
-
-
作者
李志康
邓怡辰
余敦辉
肖奎
-
机构
湖北大学计算机学院
大数据智能分析与行业应用湖北省重点实验室
武昌首义学院信息科学与工程学院
-
出处
《计算机科学》
北大核心
2025年第11期230-236,共7页
-
基金
国家自然科学基金(62377009)。
-
文摘
现有的实体对齐方法在区分不同邻居对中心实体的表示作用时,大多利用特征相似性或实体间关系的局部特征信息来计算注意力系数,忽略了关系的全局信息,且不能很好地区分不同信息对实体对齐的作用。为此,提出一种实体对齐模型,根据(关系,邻居)在全图中出现的频率为不同类型的关系分配不同权重,并将该方法融入GAT(Graph Attention Mechanism)中,得到一种变体注意力机制以聚合不同邻居。同时,考虑(属性,属性值)在全图中的频率信息,以类似的方法聚合不同属性值,并将结构和实体名嵌入分别与两种信息结合,得到中心实体的两种嵌入表示。最后,根据实体对在两种嵌入表示上距离的加权进行实体对齐,以考虑关系和属性信息对实体对齐结果的不同影响。实验结果表明,所提模型在DBP15K的3个跨语言数据集上的表现优于其他主流方法,相比最优方法,Hit@1指标最高提升了2.15%,且Hit@10和MRR也均有明显提升,表明该模型能够有效提高实体对齐的准确性。
-
关键词
实体对齐
知识图谱
变体注意力机制
属性感知
-
Keywords
Entity alignment
Knowledge graph
Variant attention mechanism
Attribute-aware
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名丰富特征提取的句子语义等价识别研究
- 2
-
-
作者
刘高军
寇婕
段建勇
霍卫涛
王昊
-
机构
北方工业大学信息学院
北方工业大学CNONIX国家标准应用与推广实验室
新东方教育科技集团AI研究院
-
出处
《小型微型计算机系统》
CSCD
北大核心
2021年第10期2017-2022,共6页
-
基金
国家自然科学基金项目(61972003,61672040)资助。
-
文摘
句子语义等价识别任务(SSEI)在问答任务中扮演着至关重要的角色.目前,基于中文的语义等价任务在没有给定场景的前提下直接判断两个问句的语义,仍存在相同的意思也会被错误理解的问题.因此,本文提出了一种丰富特征信息提取的RFEM (richer feature extraction model)模型.首先,在编码层中,使用CNN和LSTM分别提取局部特征、存储历史信息特征,融合后的编码信息经过对齐层中的变体多头注意力机制,更大化地保留了原始信息的完整性;其次,在对齐层中,对融入了残差特征的编码进行优化,避免网络加深引起的梯度消失问题,改进后的模型对于特征提取具备更好的效果.该实验结果在公开中文数据集BQ上达到了82.71%,比目前最好的结果高0.86%,在通过置信区间计算清洗后的BQ数据集上达到了93.2%,比基线结果高5.1%.
-
关键词
句子语义等价识别
特征提取
句子匹配
变体多头注意力机制
-
Keywords
sentence semantic equivalence identification
feature extraction
sentence matching
variant multi-head attention
-
分类号
TP389
[自动化与计算机技术—计算机系统结构]
-
