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
结合谓词感知与图注意力机制的链接预测方法
被引量：
2
1
作者
马力
姚伟凡
《计算机应用研究》
CSCD
北大核心
2021年第7期2091-2095,2102,共6页
知识图谱补全旨在预测三元组中缺失的部分使知识图谱趋于完整。针对基于神经网络等模型的链接预测方法忽略了实体间的关联信息,导致模型不能覆盖三元组周围局部邻域中固有的隐藏信息,提出图注意力机制与谓词感知结合的方法。首先,利用...
知识图谱补全旨在预测三元组中缺失的部分使知识图谱趋于完整。针对基于神经网络等模型的链接预测方法忽略了实体间的关联信息,导致模型不能覆盖三元组周围局部邻域中固有的隐藏信息,提出图注意力机制与谓词感知结合的方法。首先,利用图注意力机制定义了一个关系嵌入矩阵,描述任意给定实体邻域内实体间的关系;其次,引入谓词增强实体间语义理解程度,构造了基于谓词嵌入向量的注意力值计算公式,以便有效地度量实体间语义联系的强度;此外,利用实体邻居间的边关系预测多跳实体间的直接关系以补全知识图谱。在数据集WN18RR、Kinship、FB15K的实验结果表明了该方法能有效提高三元组的预测精度。
展开更多
关键词
知识图谱补全
图注意力机制
谓词感知
链接
预测
实体预测
在线阅读
下载PDF
职称材料
结合静态事实和重复历史事实的动态知识图谱推理方法
2
作者
林栋
李永强
+2 位作者
仇翔
冯远静
谢碧峰
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2023年第10期1915-1922,共8页
针对现有的动态知识图谱推理方法容易忽略动态知识图谱中存在着大量静态信息和重复历史事实的问题,提出结合静态事实和重复历史事实的动态知识图谱网络方法.该方法利用动态知识图谱中实体间隐藏的静态联系来构成静态事实,并协助动态知...
针对现有的动态知识图谱推理方法容易忽略动态知识图谱中存在着大量静态信息和重复历史事实的问题,提出结合静态事实和重复历史事实的动态知识图谱网络方法.该方法利用动态知识图谱中实体间隐藏的静态联系来构成静态事实,并协助动态知识图谱推理;利用历史事实构建历史词表,在预测未来时对历史词表进行查询;对历史中未发生的事实进行惩罚,提高重复历史事实的预测概率.在2个公开的数据集上进行动态知识图谱推理实验,对比实验时选用目前主流的5个模型作为基线.在实体预测实验中,平均倒数排名(MRR)达到0.4891和0.5303,Hits@10达到0.5887和0.6165,证明了所提方法的有效性.
展开更多
关键词
动态知识图谱
静态事实
重复历史事实
历史惩罚
实体预测
在线阅读
下载PDF
职称材料
基于半边原理的知识图谱补全
3
作者
程涛
陈恒
李冠宇
《计算机工程》
CAS
CSCD
北大核心
2020年第11期84-89,共6页
针对现有知识图谱补全算法耗时长和准确性差的问题,构建一种基于半边的多层卷积模型。通过引入半边原理,运用实体的描述信息和关系自身的特性,结合两者的语义相似度对关系所连接的头尾实体进行约束,组成半边,在此基础上使用卷积神经网...
针对现有知识图谱补全算法耗时长和准确性差的问题,构建一种基于半边的多层卷积模型。通过引入半边原理,运用实体的描述信息和关系自身的特性,结合两者的语义相似度对关系所连接的头尾实体进行约束,组成半边,在此基础上使用卷积神经网络进行知识图谱补全。该模型将只含有一个实体和关系的不完全RDF三元组以半边的形式保存,便于补全扩充的知识图谱。实验结果表明,与TransE、DKRL等模型相比,该模型具有较优的实体和关系预测性能,同时能有效缩短运行时间。
展开更多
关键词
半边原理
卷积神经网络
知识图谱补全
实体预测
关系
预测
在线阅读
下载PDF
职称材料
题名
结合谓词感知与图注意力机制的链接预测方法
被引量：
2
1
作者
马力
姚伟凡
机构
西安邮电大学计算机学院
出处
《计算机应用研究》
CSCD
北大核心
2021年第7期2091-2095,2102,共6页
基金
国家自然科学基金资助项目(61373116)
陕西省自然科学基金研究计划资助项目(2016JM6085)。
文摘
知识图谱补全旨在预测三元组中缺失的部分使知识图谱趋于完整。针对基于神经网络等模型的链接预测方法忽略了实体间的关联信息,导致模型不能覆盖三元组周围局部邻域中固有的隐藏信息,提出图注意力机制与谓词感知结合的方法。首先,利用图注意力机制定义了一个关系嵌入矩阵,描述任意给定实体邻域内实体间的关系;其次,引入谓词增强实体间语义理解程度,构造了基于谓词嵌入向量的注意力值计算公式,以便有效地度量实体间语义联系的强度;此外,利用实体邻居间的边关系预测多跳实体间的直接关系以补全知识图谱。在数据集WN18RR、Kinship、FB15K的实验结果表明了该方法能有效提高三元组的预测精度。
关键词
知识图谱补全
图注意力机制
谓词感知
链接
预测
实体预测
Keywords
knowledge graph completion
graph attention mechanism
predicate-aware
link prediction
entity prediction
分类号
TP391 [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
结合静态事实和重复历史事实的动态知识图谱推理方法
2
作者
林栋
李永强
仇翔
冯远静
谢碧峰
机构
浙江工业大学信息工程学院
杭州峰景科技有限公司
出处
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2023年第10期1915-1922,共8页
基金
国家自然科学基金资助项目(62073294)
浙江省自然科学基金资助项目(LZ21F030003).
文摘
针对现有的动态知识图谱推理方法容易忽略动态知识图谱中存在着大量静态信息和重复历史事实的问题,提出结合静态事实和重复历史事实的动态知识图谱网络方法.该方法利用动态知识图谱中实体间隐藏的静态联系来构成静态事实,并协助动态知识图谱推理;利用历史事实构建历史词表,在预测未来时对历史词表进行查询;对历史中未发生的事实进行惩罚,提高重复历史事实的预测概率.在2个公开的数据集上进行动态知识图谱推理实验,对比实验时选用目前主流的5个模型作为基线.在实体预测实验中,平均倒数排名(MRR)达到0.4891和0.5303,Hits@10达到0.5887和0.6165,证明了所提方法的有效性.
关键词
动态知识图谱
静态事实
重复历史事实
历史惩罚
实体预测
Keywords
dynamic knowledge graph
static facts
repeating historical facts
history punishment
entity prediction
分类号
TP391 [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
基于半边原理的知识图谱补全
3
作者
程涛
陈恒
李冠宇
机构
大连海事大学信息科学技术学院
大连外国语大学语言智能研究中心
出处
《计算机工程》
CAS
CSCD
北大核心
2020年第11期84-89,共6页
基金
国家自然科学基金(61976032,61371090,61602076,61702072)
国家社会科学基金(15BYY028)
+1 种基金
辽宁省自然科学基金(20170540232,20170540144,20180540003)
大连外国语大学研究创新团队项目“计算语言学与人工智能创新团队”(2016CXTD06)。
文摘
针对现有知识图谱补全算法耗时长和准确性差的问题,构建一种基于半边的多层卷积模型。通过引入半边原理,运用实体的描述信息和关系自身的特性,结合两者的语义相似度对关系所连接的头尾实体进行约束,组成半边,在此基础上使用卷积神经网络进行知识图谱补全。该模型将只含有一个实体和关系的不完全RDF三元组以半边的形式保存,便于补全扩充的知识图谱。实验结果表明,与TransE、DKRL等模型相比,该模型具有较优的实体和关系预测性能,同时能有效缩短运行时间。
关键词
半边原理
卷积神经网络
知识图谱补全
实体预测
关系
预测
Keywords
half-edge principle
Convolutional Neural Network(CNN)
knowledge graph completion
entity prediction
relation prediction
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
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
结合谓词感知与图注意力机制的链接预测方法
马力
姚伟凡
《计算机应用研究》
CSCD
北大核心
2021
2
在线阅读
下载PDF
职称材料
2
结合静态事实和重复历史事实的动态知识图谱推理方法
林栋
李永强
仇翔
冯远静
谢碧峰
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2023
0
在线阅读
下载PDF
职称材料
3
基于半边原理的知识图谱补全
程涛
陈恒
李冠宇
《计算机工程》
CAS
CSCD
北大核心
2020
0
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
