基于表示学习的多关系型知识图谱推理算法

目前知识图谱的推理方法中,表示学习尤其是基于翻译的TransE系列算法取得了优异表现.其相关论文大都关注实体推理,然而关系推理作为知识图谱补全的关键技术值得受到关注与研究.与此同时,在规模不断扩大、知识来源更加多样化的知识图谱中,关系种类繁多且类型复杂,单个关系在全体三元组中的出现频率进一步降低,这为关系推理增加了难度...     

知识图谱补全算法综述

知识图谱补全算法能让知识图谱变得更加完整,目前是人工智能领域的一个研究热点。为了更好地给出补全算法综述,文章按照能否处理新实体或者新关系,将知识图谱补全算法分成两类:静态知识图谱补全算法以及动态知识图谱补全算法。前者仅能处理实体以及关系都是固定的场景,扩展性较差。后者可以处理含有新实体或者新关系的场景,能够构造动态的知识图谱,具有更好的现实意义。文章主要结合相关工作对动态知识图谱补全算法进行系统性的总结,发现动态知识图谱算法的研究热度逐渐增加,如何更好更快地构建动态知识图谱是一个较好的研究点。     

一种基于图注意力网络的异质信息网络表示学习框架

常用的异质信息网络有知识图谱和具有简单模式层的异质信息网络,它们的表示学习通常遵循不同的方法。该文总结了知识图谱和具有简单模式层的异质信息网络之间的异同,提出了一个通用的异质信息网络表示学习框架。该文提出的框架可以分为3个部分：基础向量模型,基于图注意力网络的传播模型以及任务模型。基础向量模型用于学习基础的网络向量;传播模型通过堆叠注意力层学习网络的高阶邻居特征;可更换的任务模型适用于不同的应用场景。与基准模型相比,该文所提框架在知识图谱的链接预测任务和异质信息网络的节点分类任务中都取得了相对不错的效果。     

一种基于图注意力网络的异质信息网络表示学习框架

常用的异质信息网络有知识图谱和具有简单模式层的异质信息网络,它们的表示学习通常遵循不同的方法。该文总结了知识图谱和具有简单模式层的异质信息网络之间的异同,提出了一个通用的异质信息网络表示学习框架。该文提出的框架可以分为3个部分：基础向量模型,基于图注意力网络的传播模型以及任务模型。基础向量模型用于学习基础的网络向量;传...     

基于本体的一种自然灾害知识表示方法

灾害管理信息化建设的滞后是制约我国防灾抗灾能力的重要因素之一。在自然灾害频发并日益严重的今天,需处理的自然灾害知识量非常大。如何利用发展完善的信息处理技术处理自然灾害知识,充分发挥信息处理技术在自然灾害管理中的作用就显得越来越重要。文章提出了一种基于本体的自然灾害知识表示方法,并将该方法应用在自然灾害应急响应中取得显著的效果。     

基于知识图谱表示学习的谣言早期检测方法

社交网络谣言是严重危害社会安全的一个重要问题.目前的谣言检测方法基本上都依赖用户评论数据.为了获取可供模型训练的足量评论数据,需要任由谣言在社交平台上传播一段时间,这就扩大了谣言的危害.本文提出了一种基于知识图谱表示学习的谣言检测方法.该方法不依赖用户评论数据.首先基于PN-KG2REC算法得到实体和关系的表示;然后将待检测三元组中的实体和关系表示进行拼接,得到三元组表示;最后对三元组的向量表示进行分类,并根据分类结果判断待检测三元组描述内容的真假性.采用公开数据的实验结果表明,本文提出的谣言检测方法在不依赖用户评论数据的前提下,能够有效地对谣言进行早期检测.     

概念图知识表示方法

知识表示是人工智能领域研究的核心问题之一，概念图知识表示方法是近年来提出的一种新的知识表示方法。它能有效地表示自然语言的语义，是面向自然语言处理的极其有效的知识表示方法。本文主要讨论概念图知识表示方法所涉及的概念，原则和方法，以及与其它知识表示方法的关系。     

自然语言生成中的知识表示

自然语言处理是人工智能的研究课题之一，自然语言生成是自然语言处理的一个重要研究方向，寻求一种适合于自然语言处理的知识表示方法是自然语言处理的中心研究问题。本文描述，利用概念图对自然语言生成过程中的背景知识，文法知识和生成方法学知识的表示。应用概念知识表示方法能解决自然语言生成中的语义二义性问题。     

面向天域感知领域的知识图谱构建技术研究

天域感知是太空能力的基础和关键,各军事大国均竞相发展天域感知能力。随着太空目标的迅速增多和感知技术的快速进步,获取的天域感知数据呈指数级增长,实体关联关系高度复杂化。传统的知识获取和表述方式难以满足天域感知领域应用需求。知识图谱是基于图的知识网络库,具备强大的语义处理能力和开放组织能力。文中在天域感知领域引入知识图谱技术,研究自动化天域感知知识图谱技术架构和构建流程,提出基于本体和三元组模型的领域知识图谱建模技术以及基于RoBERTa-BiLSTM-CRF的领域知识抽取技术,为天域感知上层应用赋能赋慧。     

基于高斯层次感知的知识图谱链接预测

传统知识图谱链接预测任务忽略了知识之间可能存在的语义层次以及知识的不确定性,导致链接预测结果不佳。针对该问题,文中提出一种高斯层次感知知识图谱链接预测模型。在该模型中,高斯嵌入部分引入实体和关系的高斯分布信息,以实体分布和关系分布之间的距离来衡量实体之间是否存在链接。词向量嵌入部分将学习到的实体和关系的词向量转换为复向量,将词的复向量映射到极坐标系中建模实体的语义层次,以嵌入向量之间的距离来衡量实体之间是否存在链接。根据D-S证据理论,融合两部分得分函数,从而实现准确的知识图谱链接预测。实验结果表明,该模型可以有效地对知识图中实体的语义层次和不确定性进行建模,并且在现有基准数据集上的效果较优于其他方法。     

基于本体的XML知识表示方法研究

对网络中非结构化的文本资源进行有效的知识表示是语义Web面临的关键性问题。本文提出了基于四元组的知识本体的形式化定义,同时将该定义与在某一个知识领域内的5个基本建模元语相结合,采用BNF范式对知识本体进行统一的描述和表示,并实现了BNF与XML/DTD之间的知识本体框架的语义转换。最后,提出了统一的扩展RDF模型———XRDF,并进行了形式化定义与实例建模分析。     

基于知识图谱的网络攻击预测方法研究及应用

针对网络攻击知识图谱,同时引入了时序信息,提出一种基于知识图谱的网络攻击预测方案,并对其进行应用。通过对网络攻击知识图谱进行规则学习和应用,能够有效地得到网络攻击事件预测结果,为网络安全运维人员提供决策支持。以企业提供的网络安全运维知识图谱为例,将文中研究的方法应用到企业安全检测系统,结果证明该方法具有充分的准确性和可行性,同时为后续研究提供了思路。     

智能教学中的知识表示与知识诊断研究

为了有效评估学生学习效果，提高计算机辅助教学系统的智能性，本文通过分析学科知识测试结果．提出了一种简捷的知识诊断方法。同时结合系统构建需要，引入了一种新的知识表达工具一概念网络，并就如何利用概念网络表示学科知识及设置习题进行了详细介绍。     

基于本体的HACCP体系知识获取与知识表示

本文借助本体编辑工具Protege,研究了基于本体的知识获取与知识表示,将HACCP体系知识转化为该领域本体,用RDF／OWI．的形式进行描述,并对其概念,属性关系以及工作流程进行表示,构建了一个HACCP本体知识库为领域知识服务、自然语言处理．案例推理提供技术支持和智能基础。     

基于知识图谱信息协同传播的推荐模型

针对当前基于知识图谱的推荐模型没有充分挖掘知识图谱语义结构信息的问题,提出一种融合知识图谱表示学习方法和信息协同传播机制的推荐模型KCOD。KCOD基于经典的知识图谱表示学习模型DistMult与TransR建模并推理实体三元组的语义关系,然后通过交叉计算每一阶历史交互实体向量推理结果与候选物品实体向量推理结果的相似度,进行模型训练及偏好预测。实验结果显示KCOD的性能优于经典对比模型。     

一种改进的稀疏表示人脸算法

为进一步有效提升稀疏表示人脸识别系统的识别率和可靠性,在分析人脸图像稀疏表示系数分类能力的基础上,提出了一种快速正交匹配追踪的脸识别新方法。快速正交匹配追踪算法通过在基本的正交匹配追踪算法中对冗余字典采用Cholesky分解,提高了算法的整体效率。     

多值逻辑在不确定性知识表示及推理中的应用

针对传统产生规则和Ｂｏｏｌｅａｎ规则矩阵无法进行不确定性知识表示和推理的弱点,文章采用三值逻辑表示规则和真值状态的不确定性,提出一值产生式规则（Ｔ规则）和三值规则矩阵（ＴＲ矩阵）,利用ＴＲ矩阵变换实现高速产向推理和后向推理。对复合三值规则的无损分解进行详细探讨。最后提出了一个能进行不确定推理的新算法。     

专家系统开发工具的知识表示及结构

专家系统开发工具ESDT-HKD是一种通用的知识工程语言，具有良好的知识表示结构、开发环境和使用环境，采用规则 框架 黑板作为系统的知识结构。详细地介绍它的知识描述结构及组织形式。