首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 203 毫秒

1.  表示学习知识图谱的实体对齐算法  
   朱继召  乔建忠  林树宽《东北大学学报(自然科学版)》,2018年第39卷第11期
   与现有的根据知识图谱的结构信息或实体属性特征进行相似度匹配的实体对齐的方法不同,提出了一种基于表示学习的知识图谱实体对齐方法.首先,在低维向量空间下,通过机器学习方法学得实体和关系的语义表示,这种表示形式蕴含了知识图谱的内在结构信息及实体属性特征;其次,将人工标注的实体对作为先验知识,学习知识图谱间实体对的映射关系.经实验验证表明:与基于特征匹配的方法SiGMa相比,本文方法能够有效提高知识图谱实体对齐的精确率,同时保持较高的F1值.    

2.  融合属性信息的知识表示方法  
   郭 智  郑彦斌  夏志超  卜祥霖  黄永忠《科学技术与工程》,2019年第19卷第33期
   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,相比于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。    

3.  语义相似计算驱动领域自动问答  被引次数:3
   李良富  樊孝忠  李宏乔《北京理工大学学报》,2005年第25卷第11期
   研究实体相似性的认知心理特征和受限领域自动问答(QA)系统的形式特点.基于结构对齐和几何相似模型,把词语概念描述分解为属性部分和语义角色部分,各部分结构分别对齐后,计算对齐义原的关系距离,加权组合计算词语的相似度.该方法也适用于解析成语义向量表示的疑问句的相似度计算.融合通用本体、领域本体和领域知识文本,构造了支持语义计算求解某一银行QA问题的知识库.实验表明,该方法可以提高领域QA系统的用户满意度.    

4.  一种融合实体关联性约束的表示学习方法  
   刘琼昕  马敬  郑培雄《北京理工大学学报》,2020年第40卷第1期
   知识图谱的表示学习方法将实体和关系嵌入到低维连续空间中,从而挖掘出实体间的隐含联系.传统的表示学习方法多基于知识图谱的结构化信息,没有充分利用实体的描述文本信息.目前基于文本的表示学习方法多将文本向量化,忽略了文本中实体间的语义关联.针对上述缺点提出一种利用实体描述文本进行增强学习的方法,基于文本挖掘出关联性实体并对关联性进行分级,将关联性作为辅助约束融合到知识图谱的表示学习中.实验结果表明,该辅助约束能明显提升推理效果,优于传统的结构化学习模型以及基于深度学习的文本和结构的联合表示模型.    

5.  基于多数据源的知识图谱构建方法研究  
   吴运兵  阴爱英  林开标  余小燕  赖国华《福州大学学报(自然科学版)》,2017年第45卷第3期
   针对多数据源的融合应用,提出基于多数据源的知识图谱构建方法。首先,对不同领域内的数据源构建相应本体库,并将不同本体库通过数据融合映射到全局本体库,然后,利用实体对齐和实体链接方法进行知识获取和融合,最后,搭建知识图谱应用平台,提供便于查询统计等操作。在实体对齐方面,利用传统的基于相似性传播实体对齐方法,获得良好的实体对齐效果;在实体链接方面,提出了基于约束嵌入转换的预测推理方法,实验结果表明,在预测准确率上取得较好的结果。    

6.  双语影视知识图谱的构建研究  被引次数:1
   王巍巍  王志刚  潘亮铭  刘阳  张江涛《北京大学学报(自然科学版)》,2016年第1期
   提出一种双语影视知识图谱(BMKG)的构建流程.通过半自动化的方法构建了双语影视本体(BMO),将各个影视数据源对齐到BMO,以保持异构数据源的语义描述一致性.在知识链接方面,在充分挖掘和利用领域特征的基础上,采用基于Word2Vec和TFIDF两种向量模型的实体相似度计算方法,使相似度特征增加一倍,大大提升了模型的链接效果.在实体匹配方面,提出基于相似度传播算法的实体匹配算法,并利用影视数据源之间的内在联系,克服了跨语言实体之间计算相似度的语言障碍.实验结果表明,当阈值取到0.75以上时,实体匹配的准确率都能达到90%左右.此外,还建立了影视知识图谱共享平台,并提供开放性的数据访问和查询接口.    

7.  中文影视知识图谱构建研究  
   谢星  邹银凤  张硕望  欧阳纯萍《南华大学学报(自然科学版)》,2019年第33卷第1期
   采用半自动化的方法构建中文影视知识图谱。以国内影视领域数据为研究对象,对豆瓣网、百度百科和时光网的数据进行本体对齐,使异构数据源语义描述一致。在知识融合方面,借鉴并优化了Similarity Flooding算法的核心思想,实验结果表明,实体匹配的准确率基本保持在85%以上。建立了中文影视知识图谱可视化平台,并提供开放性的数据访问和查询接口。    

8.  复杂网络下基于路径选择的表示学习方法  
   刘琼昕  龙航  郑培雄《北京理工大学学报》,2020年第40卷第3期
   基于路径和基于知识表示的推理是当前知识图谱领域两大主流推理方法,二者的融合算法可以提高知识推理的准确率,但是依旧存在表示学习的时候效率低下、预测准确率低、模型过拟合等若干问题.本文方法针对这些问题提出了基于路径选择的表示学习方法.对路径特征信息进行进一步的过滤和筛选,保留关键路径,在路径信息和知识表示的结合过程中使用平衡参数对缺失路径信息的三元组进行处理.使用公开数据集对模型进行测试,实验表明模型可以有效提高泛化能力和准确率.    

9.  基于实体对齐的知识图谱构建研究  
   贾丙静  马润《佳木斯大学学报》,2018年第3期
   知识图谱以图的形式描述概念、实体及它们之间的关系,通过建立唐诗、作者和地点等关系图谱,可以从古诗词数据中挖掘深层次的知识。获取互联网中的各种类型的唐诗相关的数据,包括各类百科数据和垂直网站等。利用自顶向下的方法,构建本体,定义领域概念,并自动的从多数据源中抽取出实体、关系及属性等信息进行填充。基于词向量进行实体对齐,判断不同来源的实体是否描述的是现实世界中的同一实体,从而扩充构建好的知识图谱。最后,通过Neo4j图数据库进行展示。    

10.  基于VS-Adaboost的实体对齐方法  
   万静  李琳  严欢春  王少华《北京化工大学学报(自然科学版)》,2018年第1期
   针对现有实体对齐方法大多以本体模式匹配为基础,处理异构关联数据集间对齐关系存在局限性且实体链接缺失问题严重的现状,在分析关联数据语义的基础上,提出了一种独立于模式的基于属性语义特征的实体对齐方法,对关联数据集中实体属性根据语义标签特征及统计特征建模,并采用有监督的可变样本集VS-Adaboost算法实现分类器优化。实验结果表明,该方法的时间效率、准确率、查全率较高,F测度效果较好。    

11.  基于双重注意力模型的微博情感分析方法  
   张仰森  郑佳  黄改娟  蒋玉茹《清华大学学报(自然科学版)》,2018年第2期
   微博情感分析是获取微博用户观点的基础。该文针对现有大多数情感分析方法将深度学习模型与情感符号相剥离的现状,提出了一种基于双重注意力模型的微博情感分析方法。该方法利用现有的情感知识库构建了一个包含情感词、程度副词、否定词、微博表情符号和常用网络用语的微博情感符号库;采用双向长短记忆网络模型和全连接网络,分别对微博文本和文本中包含的情感符号进行编码;采用注意力模型分别构建微博文本和情感符号的语义表示,并将两者的语义表示进行融合,以构建微博文本的最终语义表示;基于所构建的语义表示对情感分类模型进行训练。该方法通过将注意力模型和情感符号相结合,有效增强了对微博文本情感语义的捕获能力,提高了微博情感分类的性能。基于自然语言处理与中文计算会议(NLPCC)微博情感测评公共数据集,对所提出的模型进行评测,结果表明:该模型在多个情感分类任务中都取得了最佳效果,相对于已知最好的模型,在2013年的数据集上,宏平均和微平均的F1值分别提升了1.39%和1.26%,在2014年的数据集上,宏平均和微平均的F1值分别提升了2.02%和2.21%。    

12.  基于主题迁移的跨视角动作识别  
   王红军  张良  张英男  刘佳《科学技术与工程》,2015年第15卷第23期
   本文利用迁移学习的思想,提出了一个主题迁移模型(topic transfer model)用于跨视角的动作识别。借助源视角视频和目标视角视频,学习一个迁移模型,利用这个模型来实现对目标视角下视频的分类。具体方法是在源视角下训练一个主题模型,将反应源视角的语义信息传递到目标视角中,然后在目标视角中训练一个主题模型,实现跨视角的动作表示,利用支持向量机进行动作的训练和分类。实验结果验证了该方法的有效性。    

13.  融合特征约束模型的纳西-汉语双语词语对齐算法  
   张涛  余正涛  郭剑毅  曹先彬《西安交通大学学报》,2011年第45卷第10期
   针对纳西语、汉语因句法结构差异较大而导致双语词语自动对齐较为困难的问题,提出一种融合特征约束模型的纳西-汉语双语词语对齐算法.首先在语料中统计纳西-汉语词语区间扭曲和位置转换特性,并由此建立2个双语词语对齐的特征约束模型;然后将提出的特征约束模型融入词语对齐的对数线性模型框架,并结合最小错误率算法训练模型参数;最终搜索出最佳的词语对齐结果.实验以IBM Model3为词语对齐比较模型,结果表明,该双语词语对齐算法可以使纳西-汉语词语的对齐准确率提升21.9%.    

14.  单词和字符表示的协同学习  
   刘慧婷  凌超《华南理工大学学报(自然科学版)》,2018年第8期
   当前的词嵌入模型多数基于分布假设理论,这类模型将单词作为最基本语义单元,然后利用词的外部上下文信息学习词表示.然而,在类似于汉语的语言中,单词经常由多个字符组成,这些字符包含了丰富的内部信息,同时单词的语义也和这些字符的语义息息相关.考虑到当前常用词模型均忽略了字符信息,文中以中文为例,提出了单词与字符表示的协同学习模型.为了解决汉语中存在的单字符多语义和多字符单语义情况,文中提出了基于多原型的单词协同学习模型,并使用词相似任务和类比推理任务对该模型进行评估.结果显示,文中模型的词表示质量均优于其他词嵌入模型.    

15.  基于Bi-LSTM 的多层面隐喻识别方法  
   朱嘉莹  王荣波  黄孝喜  谌志群《大连理工大学学报》,2020年第60卷第2期
   以双向长短期记忆网络(Bi-LSTM)为核心,结合多层卷积神经网络以及单向长短期记忆网络构建了多层面隐喻识别模型.基于多特征协同作用的思想,利用依存关系特征、语义特征、词性特征等多特征融合输入方法,丰富了模型的学习信息.为降低信息干扰,利用基于统计学的规范化文本输入方法提升模型识别效果.在英文语料词层面和句层面实验中,各个特征均表现出明显的正向作用.裁剪和填充处理及多特征协调作用在英文语料词层面研究中使F1值分别提升2.5%和5.1%,在句层面研究中F1值分别提升3.1%和1.9%.在中文语料句层面实验中,最优效果的F1值可达88.8%.    

16.  基于双语对齐的汉语-新蒙古文命名实体翻译  
   杨萍  侯宏旭  蒋玉鹏  申志鹏  杜健《北京大学学报(自然科学版)》,2016年第1期
   汉语-新蒙古文命名实体翻译在跨汉语-新蒙古文信息处理中具有重要意义,而直接使用机器翻译的方法不能达到满意的结果.针对上述问题,提出一种从汉语-新蒙古文平行语料中自动抽取汉语-新蒙古文命名实体翻译对的方法.该方法只需对汉语端进行命名实体标注;然后基于双语HMM词对齐结果,利用滑动窗口的方法抽取所有候选命名实体翻译对;最后基于融合5种特征的最大熵模型,对所有候选翻译单位进行过滤,选取与汉语端命名实体相对应的置信度最高的新蒙古文命名实体翻译单位.实验结果表明,该方法优于基于HMM的方法,在对齐模型只是部分准确的情况下,也获得较高准确率的汉语-新蒙古文命名实体翻译对.    

17.  基于知识融合的汽车覆盖件模具设计方法研究  
   文家富  郭伟《重庆邮电大学学报(自然科学版)》,2018年第30卷第3期
   针对产品设计过程中,分散异构知识融合不足导致知识检索准确性不高、知识重用效率低等问题,提出一种知识融合模型.利用知识需求模型传递知识需求信息,采用知识元对各类异构知识进行统一表示,通过概念本体对语义概念进行有序组织,与知识元之间形成映射关系.通过语义距离计算获取候选知识元集,并采用基于贝叶斯和遗传算法的知识融合方法将分散的关联知识元融合成知识单元,实现知识重用.以覆盖件模具结构设计为案例验证了所提出方法的可行性和有效性.    

18.  基于运动捕获数据的人体运动融合  
   刘贤梅《科学技术与工程》,2011年第11卷第12期
   为了提高运动捕获数据的重用性和重用效率,引入注册曲线思想。以多个已有的捕获数据为输入,通过运动融合生成一段新的运动数据。首先建立时间对齐曲线,基于时间对齐曲线建立坐标对齐曲线,然后基于对齐曲线和坐标对齐曲线进行姿势融合。最后进行约束处理,扩展了可以用于运动融合的运动集合。实验结果证明方法可行且效果好。    

19.  基于Agent与个人知识本体的搜索系统研究  
   李世扬  储泽楠《科技信息》,2009年第31期
   传统的信息搜索模型缺乏语义理解。而本体是对共享概念模型的明确的形式化规范说明,提供基于语义的知识表示和共享。本文通过引入个人知识本体,综合利用智能Agent的主动性、协作性、移动性等特性,采用协同式过滤的基本原理,提出了基于Agent与个人知识本体的个人搜索系统,有效地提高了检索效率。文中提出了通过不断的学习用户的反馈信息,对个人知识本体中的概念进行修正的算法,并探讨了多Agent协同信息过滤技术在搜索系统中的应用。    

20.  一种模糊知识库的数据描述方法  
   张景元  张荣顺《济南大学学报(自然科学版)》,1999年第1期
   研究了模糊知识的表示方法,提出了一种表示模糊知识的模糊数据模型,利用属性加权模糊值来表示模糊性数据。通过定义在元组上的隶属函数反映信息的可信度,对通常意义下的关系代数进行了扩展,每一元组都附一属性函数,定义了模糊属性的含义,用元组间的语义距离表示模糊对象和实体间的相似度,并对该意义下的关系操作进行了相应的研究和讨论。    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号