Print

融合属性信息的知识表示方法

论文摘要

现有的联合知识表示学习模型使用实体描述作为辅助信息来提升表示效果,忽略了互联网中大量有价值的信息。为此,提出一种融合属性信息的知识表示学习方法(AIKR)。首先抓取实体的不同属性,并通过莱文斯坦距离从语料库中匹配属性对应的说明文本;然后利用卷积神经网络对说明文本进行编码;最后将得到的实体属性表示与翻译模型生成的结构表示相结合进行联合学习。实验结果表明,相比仅利用实体描述的方法,融合属性信息的知识表示方法可以学习到更多的语义信息,取得了更好的表示效果。

论文目录

  • 1 模型构建
  •   1.1 TransE模型
  •   1.2 卷积神经网络
  •     1.2.1 卷积层
  •     1.2.2 池化层
  •   1.3 莱文斯坦距离
  •   1.4 融合属性的表示学习方法-AIKR
  • 2 数据处理与模型训练
  •   2.1 数据处理
  •   2.2 模型训练
  • 3 实验与分析
  •   3.1 数据集
  •   3.2 链接预测
  •   3.3 三元组分类
  • 4 结论

    • 文章来源

    类型: 期刊论文

    作者: 郭智,郑彦斌,夏志超,卜祥霖,黄永忠

    关键词: 知识图谱,表示学习,卷积神经网络,链接预测,三元组分类

    来源: 科学技术与工程 2019年33期

    年度: 2019

    分类: 工程科技Ⅱ辑,信息科技

    专业: 自动化技术

    单位: 桂林电子科技大学广西密码学与信息安全重点实验室

    基金: 国家自然科学基金(61602125,61866008,61862011,61862012),广西自然科学基金(2016GXNSFBA380153,2017GXNSFAA198192,2018GXNSFAA138116),广西密码学与信息安全重点实验室项目(GCIS201625,GCIS201704),广西科技计划(AD18281065),桂林电子科技大学研究生教育创新计划(2018YJCX51)资助

    分类号: TP18

    页码: 259-265

    总页数: 7

    文件大小: 829K

    下载量: 172

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/7debbbab45c1003315cd3a08.html