基于关系聚合的时序知识图谱表示学习

针对静态知识图表示方法不能对时间进行建模的局限性,从时序图谱实际应用的需求出发,设计了基于关系聚合的时序图谱表示学习方法来描述和推理动态知识图谱的时间信息.与离散的快照时序网络不同,将时间信息视为实体间的链接属性,提出利用时间感知的关系图注意力编码器来学习时序图谱的实体表征.将中心节点的邻域关系和时间戳融入图结构中,然后分配不同的权重,高效地聚合时间知识.在公开的时序知识图谱数据集上运行,结果表明,与传统的时序图谱编码框架相比,面向注意力聚合的时序图谱表示学习方法在补全和对齐任务的性能上都有较强的竞争优势,尤其对高时间敏感度实体更加显著,体现出算法的优越性和强鲁棒性.     

知识图谱技术综述

知识图谱技术是人工智能技术的重要组成部分,其建立的具有语义处理能力与开放互联能力的知识库,可在智能搜索、智能问答、个性化推荐等智能信息服务中产生应用价值。该文在全面阐述知识图谱定义、架构的基础上,综述知识图谱中的知识抽取、知识表示、知识融合、知识推理四大核心技术的研究进展以及一些典型应用。该文还将评论当前研究存在的挑战。     

融合文本描述和层次类型的知识表示学习方法

现有的知识表示方法只考虑三元组本身或一种额外信息,没有充分利用外部信息对知识表示进行语义补充,为此提出一种融合文本描述信息和层次类型信息的知识表示学习方法.使用卷积神经网络(CNN)从文本中提取特征信息;使用基于注意力机制的卷积神经网络区分不同关系的特征可信度,以增强实体关系结构向量在现有知识图谱中的表示,获得丰富的语义信息;使用加权层次编码器来构造层次类型投影矩阵,将实体的所有层次类型投影矩阵与特定关系类型约束结合起来.在WN18、WN18RR、FB15K、FB15K-237和YAGO3-10数据集上,进行链接预测和三元组分类等任务,以分析和验证所提模型的有效性.实验结果表明:在实体预测实验中,所提模型与TransD模型相比,MeanRank(Filter)降低了11.8%,Hits@10提升了3.5%;在三元组分类实验中,所提模型的分类精度比DKRL模型提高了8.4%,比TKRL模型提升了8.5%,充分证明利用外部多源信息能够提高知识表示能力.     

基于EHR的医疗知识图谱研究与应用综述

电子健康记录(EHR)作为一种医疗信息化手段,在数十年的使用过程中储存和积累了越来越多的医疗过程和结果大数据.知识图谱作为一种从海量数据中抽取结构化知识的手段,近年来在多个行业展示了广阔的应用前景.知识图谱的优势在于对海量、异构的数据进行组织,完成知识推理.知识图谱适用于自然语言的分析,有助于在以自然语言形式存在的海量EHR数据中获得宝贵的医疗知识和医疗经验. EHR分析研究的价值主要集中在辅助诊断、辅助治疗和疾病预测.利用大量的EHR数据构建医疗知识图谱,当新的患者数据来临之时,知识图谱可以发挥查询扩展、临床决策支持和疾病预测等作用.本文首先简要介绍了EHR的发展现状,以及现有著名的EHR数据集及其应用成果.其次,在概括介绍知识图谱发展总体现状基础上,分析了知识图谱在医疗领域的发展趋势和热点迁移.然后,对基于EHR的医疗知识图谱研究与应用进展进行了比较全面的总结,包括EHR的信息抽取、数据整合、查询扩展、临床决策支持和疾病预测等.最后,对该领域未来发展方向和面临的挑战作了展望.     

知识图谱在推荐系统中的应用研究

随着知识图谱技术的发展,在构建太阳能光伏产业新兴技术辨识模型的基础上,根据相关软件所生成的科学知识图谱提取出技术演进的时间维度及领域维度,具有很强的研究意义;同时,设备选型和物资采购等活动使得用户从大量的信息中挑选目标信息变得复杂且耗时。推荐系统(RS)旨在为用户找到满足个性化兴趣的一组物品来解决信息爆炸的问题,但目前仍存在冷启动等不足。利用知识图谱分析并构建用户和项目的关系模型,可以有效地提高个性化推荐的精确度。为此,研究了如何利用知识图谱进行准确和可解释的推荐,并指出了该领域可能的研究方向。     

基于多任务学习和知识图谱的面部表情识别

针对面部表情分类的模型中参数较复杂、识别准确率较低的问题,提出了一种基于知识图谱辅助识别的多任务学习算法模型（MLAM）,该模型由基于深度学习的识别模块与知识图谱嵌入模块两部分构成。首先从输入的数据中提取潜在的人脸局部表情特征,通过知识图谱实现局部表情和个体的复杂交互;然后在MLAM 模型中设计一个交叉压缩单元,关联这两个独立模块,自动学习局部表情和实体特征的高级交互,并在这两个任务之间传递交叉知识转移;最后,在FER2013和CK+的数据集上对比了同类算法,实验结果表明,该模型在上述数据集上分别得到了0.69和0.99的识别率,提高了面部表情识别准确率。     

概率条件下基于双目标交替优化的知识表示模型

针对TransD模型参数多和实体两种表示间没有关联的问题,提出一种改进的知识表示模型PTransD。通过减少实体投影数,并对实体进行聚类来减少参数量,同时利用K-L(Kullback-Leibler)散度限制实体投影和对应实体类,使其概率分布相同。在模型训练时,对三元组损失和K-L损失交替优化,从类间距大的实体类中替换实体,提高负例质量。最后,在知识图谱数据集上进行三元组分类和链接预测实验。结果表明,该模型的性能在各项指标上均有明显提高,可以应用于知识图谱的完善和推理等。     

基于知识图谱嵌入与深度学习的药物不良反应预测

识别药物潜在的不良反应,有助于辅助医生进行临床用药决策。针对以往研究的特征高维稀疏、需要为每种不良反应构建独立预测模型且预测精度较低的问题,本文开发一种基于知识图谱嵌入和深度学习的药物不良反应预测模型,能够对实验所覆盖的不良反应进行统一预测。一方面,知识图谱及其嵌入技术能够融合药物之间的关联信息,缓解特征矩阵高维稀疏的不足;另一方面,深度学习的高效训练能力能够提升模型的预测精度。本文使用药物特征数据构建药物不良反应知识图谱;通过分析不同嵌入策略下知识图谱的嵌入效果,选择最佳嵌入策略以获得样本向量;然后构建卷积神经网络模型对不良反应进行预测。结果表明,在DistMult嵌入模型和400维嵌入策略下,卷积神经网络模型预测效果最佳;重复实验的准确率、F₁分数、召回率和曲线下面积的平均值分别为0.887、0.890、0.913和0.957,优于文献报道中的方法。所得预测模型具有较好的预测精度和稳定性,可以为安全用药提供有效参考。     

基于关系数据模型的知识表示与知识获取算法研究

基于关系数据模型,提出了知识表示的属性理论,并研究了属性理论中知识表示的基本方法;给出了一种基于属性理论的知识获取算法。经实际应用证明,该理论和方法具有实用参考价值。     

Aquatic Medicine Knowledge Graph Completion Based on Hybrid Convolution

Aquatic medicine knowledge graph is an effective means to realize intelligent aquaculture.Graph completion technology is key to improving the quality of knowledge graph construction.However,the difficulty of semantic discrimination among similar entities and inconspicuous semantic features result in low accuracy when completing aquatic medicine knowledge graph with complex relationships.In this study,an aquatic medicine knowledge graph completion method(TransH+HConvAM) is proposed.Firstly,TransH...     

Method of Dynamic Knowledge Representation and Learning Based on Fuzzy Petri Nets

A method of knowledge representation and learning based on fuzzy Petri nets was designed. In this way the parameters of weights, threshold value and certainty factor in knowledge model can be adjusted dynamically. The advantages of knowledge representation based on production rules and neural networks were integrated into this method. Just as production knowledge representation, this method has clear structure and specific parameters meaning. In addition, it has learning and parallel reasoning ability as neural networks knowledge representation does. The result of simulation shows that the learning algorithm can converge, and the parameters of weights, threshold value and certainty factor can reach the ideal level after training.     

Method of Dynamic Knowledge Representation and Learning Based on Fuzzy Petri Nets

A method of knowledge representation and learning based on fuzzy Petri nets was designed.In this way the parameters of weights,threshold value and certainty factor in knowledge model can be adjusted dynamically.The advantages of knowledge representation based on production rules and neural networks were integrated into this method.Just as production knowledge representation,this method has clear structure and specific parameters meaning.In addition,it has learning and parallel reasoning ability as neural networks knowledge representation does.The result of simulation shows that the learning algorithm can converge,and the parameters of weights,threshold value and certainty factor can reach the ideal level after training.     

基于图论的等高线空间关系表达

利用计算机模拟判读地形图面临的一个关键问题是：如何在计算机环境下有效地描述、表达等高线的空间关系．为解决此问题，从空间认知的需求出发，在等高线空间关系分类的基础上，利用图论中的树结构(等高线树)形式化表达等高线的空间关系，以便在计算机环境下有效地表达等高线空间关系，建立了可执行的等高线空间关系计算方法．并且给出一个从数字等高线图中提取山包的实验．实验表明，上述等高线空间关系的描述与表达方法是可靠和有效的．     

基于数据库技术的面向对象知识表示

针对切削用量专家系统中传统知识表示存在的知识难于组织的问题,使用面向对象方法将数据库技术应用于知识表示,建立了知识库和数据库相结合的知识表示框架模型．经过实际运行,实现了基于数据库的知识提取,使专家知识更易于组织．     

基于约束对象的知识表示研究

讨论了约束对象的形式模型,给出了约束对象的设计与实现,提出了用约束对象表示知识和类比推理加约束满足的模糊匹配原则,其特点是引入约束对象时不增加额外的概念就可以实现受约束知识的处理,为开发专家系统提供了一种新的知识处理方式。     

基于XML的中继卫星调度知识表示

知识表示在中继卫星调度问题研究中占有重要地位。分析了中继卫星调度问题的要素,利用面向对象的思想从事实、规则和方法3个方面建立了中继卫星调度知识结构;并对基于XML（extensible markup language）调度知识的表示进行了探讨,主要针对事实知识和规则知识,构建了Schema/WSDL（web service defi-nition language）视图,建立了基于XML的知识文本。     

基于稀疏表示与矩阵填充的多帧超分辨率图像重建

针对现有算法在通用图像分辨率要求较高时重建效果不稳定的问题,提出一种基于稀疏表示与矩阵填充的多帧超分辨率图像重建算法.对自然图像库进行训练建立过完备词典对,并将低分辨率图像分成若干图像块,根据局部先验约束建立稀疏表示模型,通过线性规划的方法求得过完备词典对下图像块的稀疏系数;利用多帧图像序列的相似性,采用非精确增广拉格朗日乘子法对全局约束构建的观测矩阵进行矩阵填充和矩阵恢复,最终获得高分辨率图像.实验结果表明,与其他主流算法相比,重建后的图像保留了更丰富的图像边缘与细节信息,不会过于平滑而导致图像模糊,并且不易受过完备词典选择范围的影响,具有较好的稳定性和更高的峰值信噪比,可应用于遥感图像超分辨率重建等图像应用领域.