欢迎来到天天文库
浏览记录
ID:37064910
大小:1.98 MB
页数:51页
时间:2019-05-17
《大规模知识图谱完善关键算法研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、分类0号:TP39单位代码:10183研究生学号:2015532072密级:公开捐极大规模知识图谱完吉林大学善关键硕士学位论文算法(学术学位)研究大规模知识图谱完善关键算法研究符CriticalAlgorithmStudieson林希Large-scaleKnowledgeGraphCompletion珣吉作者姓名:林希珣类别:工学硕士领域(方向):计算机应用技术指导教师:梁艳春教授吉培养单位:计算机学院林大学2018年4月大规模知识图谱完善关键算法研究CriticalAlgorithmStudiesonLarge-scaleKnowledgeGraphCom
2、pletion作者姓名:林希珣领域(方向):计算机应用技术指导教师:梁艳春教授类别:工学硕士答辩日期:2018年月日未经本论文作者的书面授权,依法收存和保管本论文书面版本、电子版本的任何单位和个人,均不得对本论文的全部或部分内容进行任何形式的复制、修改、发行、出租、改编等有碍作者著作权的商业性使用(但纯学术性使用不在此限)。否则,应承担侵权的法律责任。吉林大学硕士学位论文原创性声明本人郑重声明:所呈交的硕士学位论文,是本人在指导教师的指导下,独立进行研究工作所取得的成果。除文中已经注明引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本
3、文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名:日期:年月日《中国优秀博硕士学位论文全文数据库》投稿声明研究生院:本人同意《中国优秀博硕士学位论文全文数据库》出版章程的内容,愿意将本人的学位论文委托研究生院向中国学术期刊(光盘版)电子杂志社的《中国优秀博硕士学位论文全文数据库》投稿,希望《中国优秀博硕士学位论文全文数据库》给予出版,并同意在《中国博硕士学位论文评价数据库》和CNKI系列数据库中使用,同意按章程规定享受相关权益。论文级别:■硕士□博士学科专业:计算机应用技术论文题目:大规模知
4、识图谱完善关键算法研究作者签名:指导教师签名:年月日作者联系地址(邮编):吉林大学计算机科学与技术学院130012作者联系电话:18553607558摘要摘要大规模知识图谱完善关键算法研究近年来,随着语义万维网数据的不断激增,以图结构作为表示框架的知识图谱成为了当前学术界、工业界的研究热点。知识图谱包含了丰富的结构化信息,存储事实在千万级别以上,覆盖了许多真实的实体与关系,为许多人工智能技术提供了可靠的信息来源和底层支撑,极大的智能化了许多现实应用。然而与现实世界包含的无穷尽的知识相比,知识图谱的完善程度仍然是远远不够的。利用自然语言处理的相关技术,从大量的非
5、结构化和半结构化数据中抽取结构化信息,实现对知识图谱的扩充是行之有效的方法。但是之前的抽取过程需要大量的专家知识设定相关的启发式规则,并且需要大量的人为参与来保证抽取信息质量。近年来,随着人工智能领域特别是机器学习方向的蓬勃发展,研究者们期望利用机器学习算法在现有的存贮事实基础上,进行知识的推理与融合,完成机器自动化扩展知识图谱规模的目标。大规模知识图谱完善任务是自然语言处理领域非常热门的研究方向,同时也是本文的研究目标。本文详细介绍了基于统计关系学习的两大类知识图谱完善算法:基于图特征的路径排序算法;基于隐式特征的知识表示学习算法。路径排序算法利用随机游走的
6、特性可以很好筛选出公共关系路径作为显式特征;知识表示学习在表示学习框架的基础上更加适应知识图谱的内含语义和规模需求。在两者的基础之上,本文提出了一种新颖的关系路径嵌入模型:将包含丰富语义信息的关系路径整合到知识表示学习模型中,通过利用关系与可信赖关系路径的语义相似性,将已有的关系投影和关系约束扩展到新颖的路径投影和路径约束。路径投影使得实体可以同时在不同类型的隐式空间内进行低维的表示学习;路径约束增加了模型在隐式空间里对相似嵌入信息的决策能力。两种新颖的创新可以很轻松的整合到其他的知识表示学习的框架中,获得更优的算法性能。我们在三种公共数据集上对我们提出的关系
7、路径嵌入模型进行了两种标准的任务评测:链路预测和三元组分类。实验结果表明我们的模型要显著优于基准的知识表示学I摘要习模型,同时也表明我们的模型可以很好的捕获到关系路径的语义信息。关键词:知识图谱完善,路径排序算法,知识表示学习,关系路径IIAbstractAbstractCriticalAlgorithmStudiesonLarge-scaleKnowledgeGraphCompletionInrecentyears,withtheboomingoftheSemanticWebdata,knowledgegraphsbasedontheframeworkofg
8、raphstructurehaveat
此文档下载收益归作者所有