基于知识表示学习的知识图谱补全研究综述

知识图谱补全能够将知识图谱补充完整,是知识图谱领域的一个研究热点。基于知识表示学习的知识图谱补全学习知识的向量表示,利用向量的计算挖掘知识图谱中的隐藏关联,具备更高的计算效率和更强的泛化能力,是知识图谱补全最好的方案之一。首先,介绍知识图谱补全和知识表示学习的概念;其次,按照实体和关系是否固定分别介绍静态知识图谱补全和动态知识图谱补全,对两个不同场景下各类算法的思路及改进过程进行详细说明;最后,总结知识图谱补全研究现状并展望未来研究方向。     

融合HowNet和词林信息含量的词语相似度计算

目前基于信息含量的中文词语相似度算法普遍使用单一的知识库,存在信息不完备的问题.本文在现有的基于HowNet信息含量的词语相似度算法和基于同义词词林信息含量的词语相似度算法基础上,改进了信息含量的计算方法,并根据词语的不同分布情况将两种算法进行动态融合,充分利用了HowNet和同义词词林中的体系结构信息,改善了现有方法的局限性.经Miller&Charles(MC30)数据集测评,该算法所得到的词语相似度值与人工判定值之间的皮尔森相关系数为0.927,验证了融合多知识库策略的可行性,也证明了本文方法在实用方面可以达到符合人类主观判断的效果.     

基于统计模型及SVM的低速率语音编码QIM隐写检测

QIM(Quantization Index Modulation,量化索引调制)隐写在标量或矢量量化时嵌入机密信息,可在语音压缩编码过程中进行高隐蔽性的信息隐藏,文中试图对该种隐写进行检测.文中发现该种隐写将导致压缩语音流中的音素分布特性发生改变,提出了音素向量空间模型和音素状态转移模型对音素分布特性进行了量化表示.基于所得量化特征并结合SVM(Support Vector Machine,支持向量机)构建了隐写检测器.针对典型的低速率语音编码标准G.729以及G.723.1的实验表明,文中方法性能远优于现有检测方法,实现了对QIM隐写的快速准确检测.     

多模态知识图谱构建与应用研究综述

为了总结前人工作,给相关研究者提供思路,首先讨论了当前多模态知识图谱的基本概念,然后从图数据库和知识图谱这两个角度介绍了多模态知识图谱的构建工作,并总结了两种主要方法的思路.还分析了多模态知识图谱的构建和应用中的关键技术和相关工作,如多模态信息提取、表示学习和实体链接.此外,列举了多模态知识图谱在四种场景中的应用,包括推荐系统、跨模态检索、人机交互和跨模态数据管理.最后,从四个方面展望了多模态知识图谱的发展前景.     

基于辨识性统计特征的PQ隐密图像识别算法

提出一种基于辨识性统计特征的PQ（perturbed quantization）隐密图像识别算法。该算法根据经典PQ隐写对图像数据的更改方式,提取可有效区分该类隐密图像与其他类隐密图像的辨识性统计特征,并运用SVM（support vector machines）分类器进行分类识别。实验结果表明：本算法能够可靠地将PQ隐密图像从5类典型JPEG隐写PQ、F5、nsF5、MB1和MOD的隐密图像中识别出来;即使F5、nsF5、MB1和MOD的隐密图像不参与分类器的训练,本算法仍能有效识别PQ隐密图像。     

基于信息隐藏的监控图像防篡改方法

针对当前监控图像可能被恶意篡改的问题,提出了一种基于信息隐藏的监控图像保存及防篡改方法。首先,通过信息隐藏的手段,将监控图像的来源传感器及摄取时间信息进行隐藏,给出了一种基于信息隐藏的监控图像及现场信息保存的大致流程。然后,采用信息隐藏中典型的最低有效比特位( LSB)替换隐藏算法,给出了现场信息的随机嵌入和提取算法。最后,实验分析结果表明,在图像质量得到较好保持的情况下,所提方法能够实现现场信息的有效嵌入和提取,验证了所提方法的可行性和有效性。     

文档级关系抽取技术研究综述

关系抽取是信息抽取研究的重要方向，已逐步从句子级扩展到了文档级。与句子相比，文档通常蕴含更多的关系事实，可为知识库构建、信息检索和语义分析等提供更多的信息支持。然而，文档级关系抽取复杂度更高，难度更大，目前缺乏较为系统全面的梳理和总结。为更好地促进文档级关系抽取的深入研究与发展，文中对已有技术和方法进行了综合深入分析，从数据预处理方式和核心算法角度，将已有文档级关系抽取研究大致分为基于树、基于序列和基于图3种类别；在此基础上，分析描述了各类研究中的部分典型方法、最新进展以及存在的不足；同时，介绍了现有研究中部分常用数据集和性能评价指标，并列出了已有部分典型方法的具体性能；最后，对现有文档级关系抽取研究存在的问题进行了分析和总结，指出了未来可能的发展趋势及可进一步深入关注的研究方向。