期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
大语言模型驱动的知识图谱实体摘要的次模优化方法
被引量：
1
1
作者
张琪
钟昊
《计算机科学与探索》
CSCD
北大核心
2024年第7期1806-1813,共8页
知识图谱的规模不断增加,使得实体摘要成为了研究的热点问题。实体摘要的目标是从描述实体的大规模三元结构事实中得到实体的简洁描述。研究的目的是基于大语言模型提出一种次模优化方法用于实体摘要的提取。首先,基于三元组中实体、关...
知识图谱的规模不断增加,使得实体摘要成为了研究的热点问题。实体摘要的目标是从描述实体的大规模三元结构事实中得到实体的简洁描述。研究的目的是基于大语言模型提出一种次模优化方法用于实体摘要的提取。首先,基于三元组中实体、关系和属性的描述信息,采用大语言模型对它们进行嵌入,能够有效地捕捉三元组的语义信息,生成包含丰富语义信息的嵌入向量。其次,基于大语言模型生成的嵌入向量,定义任意两个描述同一实体的三元组事实之间关联度的刻画方法,任意两个三元组之间的关联度越高,表示这两个三元组之间包含的信息越相似。最后,基于上述定义的三元组关联度的刻画方法,定义正规化且单调非减的次模函数,将实体摘要建模为次模函数最大化问题,那么具有性能保证的贪心算法可以直接用于提取实体的摘要。在三个公共基准数据集上进行测试,采用F1值和归一化折损累计增益(NDCG)两个指标对提取的实体摘要的质量进行评估,实验结果表明该方法显著优于当前最先进的方法。
展开更多
关键词
实体摘要
大语言模型
次模函数
贪心算法
在线阅读
下载PDF
职称材料
基于压缩实体摘要图的RDF数据关键词查询
2
作者
林晓庆
马宗民
《东北大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2017年第1期22-26,共5页
提出一种将关键词查询转换为SPARQL查询的方法来进行RDF数据的搜索.首先,根据RDF本身的关联特点,构建一个压缩实体摘要图;然后,借助关键词与所在实体的索引,将所查询的关键词在该摘要图上进行定位,通过图双向搜索算法找出包含关键词实...
提出一种将关键词查询转换为SPARQL查询的方法来进行RDF数据的搜索.首先,根据RDF本身的关联特点,构建一个压缩实体摘要图;然后,借助关键词与所在实体的索引,将所查询的关键词在该摘要图上进行定位,通过图双向搜索算法找出包含关键词实体的前k子图,获得查询实体之间的关系,再联合最初的关键词及他们的属性,构建SPARQL查询;最后使用SPARQL搜索引擎执行查询.实验结果表明,所提方法较其他方法有更快的响应时间及更高的准确率.
展开更多
关键词
RDF
SPARQL
OPS索引
压缩
实体摘要
图
双向搜索
在线阅读
下载PDF
职称材料
融合多种特征的实体对齐算法
被引量：
6
3
作者
乔晶晶
段利国
李爱萍
《计算机工程与设计》
北大核心
2018年第11期3395-3400,共6页
针对单一百科社区实体信息覆盖不全,不同百科社区虽可信息互补但数据异构而且分类体系不同,导致自动抽取知识有歧义、效率低的问题,提出一种融合实体名称、实体摘要关键词集合、实体类别、实体属性-属性值序列等多种特征的百科实体相似...
针对单一百科社区实体信息覆盖不全,不同百科社区虽可信息互补但数据异构而且分类体系不同,导致自动抽取知识有歧义、效率低的问题,提出一种融合实体名称、实体摘要关键词集合、实体类别、实体属性-属性值序列等多种特征的百科实体相似度计算方法,综合运用多种百科社区的知识资源自动对齐同义实体。实验结果表明,在准确率上本文算法优于基于网络语义标签的实体对齐及基于实体属性与上下文主题的实体对齐等算法。
展开更多
关键词
实体
对齐
属性标签
类别标签
实体摘要
语义相似度
在线阅读
下载PDF
职称材料
题名
大语言模型驱动的知识图谱实体摘要的次模优化方法
被引量：
1
1
作者
张琪
钟昊
机构
广州商学院信息技术与工程学院
华南师范大学计算机学院
出处
《计算机科学与探索》
CSCD
北大核心
2024年第7期1806-1813,共8页
基金
国家重点研发计划(2023YFC3341200)
国家自然科学基金(62377015)
华南师范大学青年教师科研培育基金项目(23KJ29)。
文摘
知识图谱的规模不断增加,使得实体摘要成为了研究的热点问题。实体摘要的目标是从描述实体的大规模三元结构事实中得到实体的简洁描述。研究的目的是基于大语言模型提出一种次模优化方法用于实体摘要的提取。首先,基于三元组中实体、关系和属性的描述信息,采用大语言模型对它们进行嵌入,能够有效地捕捉三元组的语义信息,生成包含丰富语义信息的嵌入向量。其次,基于大语言模型生成的嵌入向量,定义任意两个描述同一实体的三元组事实之间关联度的刻画方法,任意两个三元组之间的关联度越高,表示这两个三元组之间包含的信息越相似。最后,基于上述定义的三元组关联度的刻画方法,定义正规化且单调非减的次模函数,将实体摘要建模为次模函数最大化问题,那么具有性能保证的贪心算法可以直接用于提取实体的摘要。在三个公共基准数据集上进行测试,采用F1值和归一化折损累计增益(NDCG)两个指标对提取的实体摘要的质量进行评估,实验结果表明该方法显著优于当前最先进的方法。
关键词
实体摘要
大语言模型
次模函数
贪心算法
Keywords
entity summarization
large language model
submodular function
greedy algorithm
分类号
TP301 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
基于压缩实体摘要图的RDF数据关键词查询
2
作者
林晓庆
马宗民
机构
东北大学信息科学与工程学院
辽东学院信息工程学院
出处
《东北大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2017年第1期22-26,共5页
基金
国家自然科学基金资助项目(61370075)
教育部新世纪优秀人才支持计划项目(NCET-05-0288)
文摘
提出一种将关键词查询转换为SPARQL查询的方法来进行RDF数据的搜索.首先,根据RDF本身的关联特点,构建一个压缩实体摘要图;然后,借助关键词与所在实体的索引,将所查询的关键词在该摘要图上进行定位,通过图双向搜索算法找出包含关键词实体的前k子图,获得查询实体之间的关系,再联合最初的关键词及他们的属性,构建SPARQL查询;最后使用SPARQL搜索引擎执行查询.实验结果表明,所提方法较其他方法有更快的响应时间及更高的准确率.
关键词
RDF
SPARQL
OPS索引
压缩
实体摘要
图
双向搜索
Keywords
RDF（resource description framework）
SPARQL
OPS（object predicate subject） index
condensed entity summary graph
bidirectional search
分类号
TP311.13 [自动化与计算机技术—计算机软件与理论]
在线阅读
下载PDF
职称材料
题名
融合多种特征的实体对齐算法
被引量：
6
3
作者
乔晶晶
段利国
李爱萍
机构
太原理工大学计算机科学与技术学院
武汉大学软件工程国家重点实验室
出处
《计算机工程与设计》
北大核心
2018年第11期3395-3400,共6页
基金
山西省自然科学基金项目(2013011015-2)
武汉大学软件工程国家重点实验室开放课题基金项目(SKLSE2012-09-30)
文摘
针对单一百科社区实体信息覆盖不全,不同百科社区虽可信息互补但数据异构而且分类体系不同,导致自动抽取知识有歧义、效率低的问题,提出一种融合实体名称、实体摘要关键词集合、实体类别、实体属性-属性值序列等多种特征的百科实体相似度计算方法,综合运用多种百科社区的知识资源自动对齐同义实体。实验结果表明,在准确率上本文算法优于基于网络语义标签的实体对齐及基于实体属性与上下文主题的实体对齐等算法。
关键词
实体
对齐
属性标签
类别标签
实体摘要
语义相似度
Keywords
entity alignment
attribute tags
category tags
entity abstract
semantic similarity
分类号
TP391.1 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
大语言模型驱动的知识图谱实体摘要的次模优化方法
张琪
钟昊
《计算机科学与探索》
CSCD
北大核心
2024
1
在线阅读
下载PDF
职称材料
2
基于压缩实体摘要图的RDF数据关键词查询
林晓庆
马宗民
《东北大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2017
0
在线阅读
下载PDF
职称材料
3
融合多种特征的实体对齐算法
乔晶晶
段利国
李爱萍
《计算机工程与设计》
北大核心
2018
6
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
