-
题名面向微博的多实体稀疏关系数据联合聚类
被引量：1
- 1
-
-
作者
于淼
杨武
王巍
申国伟
-
机构
哈尔滨工程大学信息安全研究中心
-
出处
《通信学报》
EI
CSCD
北大核心
2016年第1期151-159,共9页
-
基金
国家高技术研究发展计划("863"计划)基金资助项目(No.2012AA012802)
国家自然科学基金资助项目(No.61170242)~~
-
文摘
针对大规模微博中多实体间的稀疏关系数据,提出一种面向多实体稀疏关系数据的高效联合聚类算法。在算法中,为了充分利用多关系数据,提出了一种顽健的约束信息嵌入方法构建关系矩阵,降低了矩阵的稀疏性,进一步提高了算法的准确率。在稀疏约束的块坐标下降框架下,关系矩阵通过非负矩阵三分解算法同时获得不同实体的聚类指示矩阵。非负矩阵分解过程中,通过高效的投射算法实现快速求解,确保了聚类结果的稀疏结构。在人工和真实数据集上的实验表明,算法在3个指标上都具有明显提高,特别是在极端稀疏数据上的效果更加明显。
-
关键词
微博
多实体稀疏关系
联合聚类
非负矩阵分解
辅助信息嵌入
-
Keywords
microblogging
multi-entity sparse relation
co-clustering
non-negative matrix factorization
auxiliary in formation embedding
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名联合FOL规则的知识图谱表示学习方法
被引量：3
- 2
-
-
作者
刘藤
陈恒
李冠宇
-
机构
大连海事大学信息科学与工程学院
大连外国语大学语言智能研究中心
-
出处
《计算机工程与应用》
CSCD
北大核心
2021年第4期100-107,共8页
-
基金
国家自然科学基金(61976032,61371090,61602076,61702072)
国家社会科学基金(15BYY028)
辽宁省自然科学基金(20170540232,20170540144,20180540003)。
-
文摘
为增强知识图谱表示的预测精度和可解释性,通过改进由表示学习、规则学习和规则融合三个模块组成的IterE框架,提出一种适用各种表示学习算法的联合FOL规则的知识图谱表示学习方法,针对规则学习和融合模块,基于三元组打分函数改进规则置信度计算方法,扩展适用性,并改进软标签计算方法,放松融合要求,扩大融合的数据增量,迭代实现表示更新规则和规则增强表示。链路预测和生成解释实验表明,随着逻辑规则的加入,该方法提高了基模型的预测精度和可解释性,且在越稀疏的数据集中对提高稀疏实体表示的帮助越大。
-
关键词
知识图谱补全
表示学习
FOL规则
可解释
稀疏实体
-
Keywords
knowledge graph completion
representation learning
FOL rules
interpretability
sparse entities
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
