基于知识协同微调的低资源知识图谱补全方法

知识图谱补全能让知识图谱变得更加完整.现有的知识图谱补全工作大多会假设知识图谱中的实体或关系有充足的三元组实例.然而,在通用领域,存在大量长尾三元组;在垂直领域,较难获得大量高质量的标注数据.本文针对这一问题,提出了一种基于知识协同微调的低资源知识图谱补全方法.本文通过已有的结构化知识来构造初始的知识图谱补全提示,并提出一种协同微调算法来学习最优的模板、标签和模型的参数.本文的方法同时利用了知识图谱中的显式结构化知识和语言模型中的隐式事实知识,且可以同时应用于链接预测和关系抽取两种任务.实验表明,本文的方法在3个知识图谱推理数据集和5个关系抽取数据集上都取得了目前最优的性能.     

基于本体的网络数据工作平台NetData

近年来,网格、语义网络等新技术迅速发展并日臻成熟。互联网发展焦点开始从信息的发布和互联转向知识的交互框架。随着语义网络迅速发展,世界各地各个领域的研究爱好者组成虚拟社区,对同一领域的知识信息一起协作研究。其中,对数据的整理、保存、检索、分析是实现语义网络远景的基础工作。本文为了帮助研究社区的研究人员更有效方便地加入社区的研究,利用长期帮助中国中医研究院建设专业结构化数据库群的项目中所取得的经验,结合了语义网络和数据库网格的研究,设计并初步实现了基于本体的网络数据工作平台。     

基于域驱动的链接数据的社区发现研究与实现

在语义网上不断出现的链接数据能够为社会网络分析提供大规模的数据资源。尤其是,它能够用来对特定的域结构进行社会社区结构的探索。使用基于本体的知识结构,通过从域中的链接数据来发现特定的属性,并结合提出的距离计算方法和聚类方法,能够改进域中人之间的相关性和聚类的定制,从而从链接数据中发现域中包含的社会社区结构。通过在真实的域中的链接数据上进行测试,结果证明方法能够在各个不同的域中(音乐,电影)发现可靠有价值的社会社区。     

基于位置的知识图谱链接预测

链接预测是知识图谱的补全和分析的基础。由于位置相关的实体和关系本身拥有丰富的位置特征,该文提出了一种基于位置的知识图谱链接预测方法。该方法首先通过分析实体和关系的语义特征对关系进行分类,然后提出了一种基于位置的实体和关系位置特征和规则的挖掘方法;其次,通过挖掘出的实体位置特征和规则,对实体和关系的向量化方法预测结果进行约束,得到最终的结果。该文通过对WikiData、FB和WN数据集的实验,证明该方法针对基于位置的关系和实体链接预测拥有较好的效果。     

互联网Ontology语言和推理的比较和分析

本文从描述逻辑和语义互联网两个角度比较和分析几种Web本体描述语言(RDF／RDFS、DAML OIL和OWL)的表达力和相关的推理,介绍它们的不同应用。然后总结出推理的分类,说明推理在本体建设、维护和应用中的作用。     

信息过滤系统中用户文档更新策略研究

信息过滤系统(IF Systems)的目的是为了帮助用户查找用户感兴趣的信息。IF系统的用户文档(User Profiles)表示用户的兴趣，用来匹配网络上的信息。当用户的兴趣发生变化时，用户文档就变得不精确，过滤质量下降。用户的兴趣变化不定，IF系统如何及时快速地更新用户文档以缩短系统性能下降的时间就变得非常的重要。通过对现有IF系统用户文档更新方法的研究，分析了它们的独到之处和存在的不足。     

面向特定领域的语义搜索结果排序算法

为了提高面向特定领域的语义搜索的准确性,在分析现有本体排序算法的基础上,对现有的中医药领域本体的重要性进行了评估。同时在计算检索关键词与结果的匹配度之后,给出综合评估后的排序结果。实验结果表明,该算法给出较合理的排序结果,能较好地满足用户的需求。