基于学术知识图谱的增强语义表示与检索

知识图谱作为一个巨大的知识网络图,其中包含着实体概念、关系等信息.基于深度学习的语义表示虽然泛化性强,但对于一些专有知识的敏感度不高,所以许多研究尝试将知识图谱与神经网络结合.目前大部分知识图谱语义表示的方法是围绕通用领域知识图谱展开的,没有针对学术领域的知识图谱语义表示方法的研究.本文以学术文献的全文本数据为研究对象,从基于学术知识图谱的语义表示方法切入研究,在构建学术知识图谱的基础上,对通用领域的研究方法（K-BERT）进行领域化改进（KEBERT）,进一步使用实体知识增强文本的语义信息.通过开展下游任务的对比实验,在学术检索数据集上验证KEBERT、K-BERT和ERNIE的性能.实验采用检索任务中常用的NDCG评价指标对结果进行评价,实验结果表明改进后的KEBERT在检索任务上的效果优于其他模型.     

面向船体分段生产调度的知识导航系统设计

为了解决船体生产调度任务决策过程中容易迷失方向,效率低下的状况,紧密结合生产调度的领域特性,研究了知识地图以及生产调度相关原理,确立了基于知识地图的船体分段生产调度知识导航体系结构,并分析了其实现的关键技术为面向船体分段生产调度的本体、语义节点的构建集成技术、基于本体的语义关联和知识地图实现技术等,将知识导航系统应用于船体生产调度领域.最后,针对某船厂曲面车间的船体分段调度派工过程,构建了知识导航原型系统实例来进行说明.     

面向语义的课程知识本体的构建

相对于目前常用的基于关键词字面匹配的检索方法,语义网的信息组织作为一种全新的信息组织方法和理念,为网络信息组织带来了新的变革。本体是语义网信息组织的核心,本体及其推理能力代表了现代信息组织,特别是网络信息组织的发展趋势,它不仅有利于信息的形式化描述,而且依据本体这种信息组织方法而建立的检索系统,更能满足用户进行语义检索特别是智能检索的需要。面向语义的课程知识的检索以语义理解为基础,在很大程度上揭示了信息语义的扩展性,加大了对知识的处理和理解能力。基于本体的语义信息检索在构建领域知识本体结构的基础上,通过对领域本体资源的语义信息的获取,来理解用户的检索需求,语义描述检索语句和文档的资源,从而实现信息检索。因此,如何构建课程知识本体成为现阶段教育变革的热点话题。本论述以谭浩强所著《C程序设计(第三版)》课本为基础,以创建该门课程的本体模型为例,讲述面向语义的课程知识本体的构建。     

支持生物激励设计的跨领域知识元聚类方法

为了解决现有生物激励设计过程存在的跨领域知识获取难的问题,提出了面向生物激励设计的基于功能特征语义相关性的功能语义聚类和基于环境特征约束适应性的环境约束聚类组成的两阶段知识元聚类算法。将生物激励设计过程跨领域实例知识检索问题转化为对离散的生物领域或工程领域知识元的聚类检索。根据跨领域术语知识表示的不同确定跨领域检索功能词,执行基于功能特征语义相关性的功能语义的一阶段聚类,结合生物领域功能与环境特征约束间的相关性,完成基于不同类型环境特征约束的二阶段聚类。一方面,将模糊理论与模糊数学引入知识元聚类算法中,提出基于模糊隶属度函数的语义相似度计算方法,实现了基于功能关键字的语义聚类;另一方面,将FCM聚类算法引入到知识元聚类过程中,结合给出的不同类型环境特征约束相似性算法,提出了AFCM算法,实现了基于环境特征约束适应性的环境约束聚类。最后,开发了相应的原型系统,并且以视觉假体装置设计为例进行测试。结果表明,聚类时间和准确率得到极大改善,聚类效率得到显著提升。该算法有效地避免了跨领域知识分布的离散性,减少了设计过程中研究对象的数量,能够合理地获取已有设计知识,为深入研究奠定了基础。     

基于历史文化知识图谱的问答模型研究

利用知识图谱技术整合历史文化资源,对历史文化的传承和保护具有现实意义.针对现存历史文化领域问答系统构建中存在用户问句识别精准度不高、深层语义匹配不准确的问题,提出了一种知识嵌入的语言表示模型(K-ERNIE-LSTM).该模型先通过构建历史文化领域知识图谱,将其中三元组作为领域知识注入到句子中;而后利用ERNIE预训练模型获取文本的语义信息,再用LSTM提取文本特征;最后使用softmax函数获得最终的标签分类结果.实验结果表明,该模型在文化领域数据集上具有80.20%的准确率、82.68%的召回率和81.42%的F1得分,性能较其他方法得到明显提升.     

基于知识融合的汽车覆盖件模具设计方法研究

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.     

基于组织的个人知识地图构建理论

本文介绍知识地图的构建原则和构建流程等相关概念,阐明过程描述、通过知识地图捕获信息和实现知识再利用的方法;在设计配置过程中整合知识地图;这种方法促使知识地图发展自身过程描述和配置的能力以进行知识再利用和过程协作。     

基于本体的知识建模技术

为了提高知识检索效率,提出了基于本体的知识建模方法.根据知识与领域本体对应关系,从领域本体构建和基于本体的知识表示两个方面研究确定基于本体的知识建模过程,形成对领域知识的有效组织与表示.讨论了基于OWL语言的领域本体构建过程和基于本体的知识表示方法.该方法保证了本体涉及领域与知识范围的一致性,考虑了本体应用过程中的效果反馈,有利于本体完善和扩展.     

对等网环境下语义知识地图构建的研究

知识地图可以有效地组织时等网环境的分布性与无结构化的数据.阐述了知识地图构建的方法、模型,指出把本体技术引入到知识地图构建之中,可实现基于语义 的知识地图.     

基于知识图谱的文本观点检索方法

文本观点检索旨在检索出与查询主题相关并且表达用户对主题观点的文档。由于用户查询时输入通常很短,难以准确表示查询的信息需求。知识图谱是结构化的语义知识库,通过知识图谱中的知识有助于理解用户的信息需求。因此,提出了一种基于知识图谱的文本观点检索方法。首先由知识图谱获取候选查询扩展词,并计算每个候选词扩展词分布、共现频率、邻近关系、文档集频率,然后利用4类特征通过SVM分类得到扩展词,最后利用扩展词对产生式观点检索模型进行扩展,实现对查询的观点检索。实验表明,在微博和推特两个数据集上,与基准工作对比,所提出的方法在MAP、NDCG等评价指标上均有显著的提升。     

特征图自适应知识蒸馏模型

针对嵌入式和移动设备的计算和存储资源受限, 紧凑型网络优化易收敛至较差局部最优解的问题, 提出一个特征图自适应知识蒸馏模型, 其由特征图适配器和特征图自适应知识蒸馏策略构成. 首先, 特征图适配器通过异构卷积与视觉特征表达模块的堆叠实现特征图尺寸匹配、 教师学生网络特征同步变换及自适应语义信息匹配. 其次, 特征图自适应知识蒸馏策略将适配器嵌入教师网络对其进行重构, 并在训练过程中实现适合用于学生网络隐藏层监督特征的自适应搜索; 利用适配器前部输出提示学生网络前部训练, 实现教师到学生网络的知识迁移, 并在学习率约束条件下进一步优化. 最后, 在图像分类任务数据集cifar-10上进行实验验证, 结果表明, 特征图自适应知识蒸馏模型分类正确率提高0.6%, 推断损失降低65%, 并将收敛至78.2%正确率的时间减少至未迁移时的5.6%.     

基于知识图谱的查询语句重写机制及方法

随着语义Web技术和知识图谱的出现,目前查询模式大多要求查询结果与用户查询进行语义级匹配,简单的查询处理过程已经不能满足用户的查询需求.为此,对知识图谱查询涉及的重写技术和实现方法进行了研究,在定义SPARQL(SPARQL Protocol and RDF Query Language)查询模式的重写规则集合基础上,...     

面向知识级应用的多维语义本体构建

本体作为知识的承载者被信息科学领域引入,用来解决知识表示和知识组织方面的问题。基于语义本体理论,提出了多维语义本体模型,从不同维度对世界知识进行建模。基于知识的抽象层次,在多语言、多领域知识之间建立了语义关联,在此基础上构建了多维语义本体,用于解决信息共享时语义缺乏和多语言知识关联的关键问题。对多维语义本体进行了分析和横向比较,并对将来构建过程中面临的主要问题和挑战进行了探讨。     

基于知识增强的深度新闻推荐网络

在新闻推荐场景下,传统的基于文本特征的新闻推荐模型只考虑了词的共现关系,无法捕获词语的隐含词义和关联知识;而基于深度学习的推荐模型在融合知识图谱信息中仅仅考虑实体的信息,忽略了远距离实体之间的联系,造成实体之间的关联信息和深层次语义联系的缺失.针对该问题提出了一种基于知识增强的深度新闻推荐网络（deep knowledge-enhanced network,DKEN）,利用长短期记忆网络提取知识图谱中的实体路径特征,补充到注意力网络中,然后针对不同的候选新闻动态地构建用户的特征.实验表明该实体路径信息能提高模型的效果,在F₁指标上提升大约1%.      

基于知识组件的夹具元件快速设计研究

针对夹具元件知识不能在设计过程中快速重用的问题,引入知识组件的概念,提出一种夹具元件知识组件建模方法. 对集参数、规则、实体模型和装配等信息于一体的知识组件模型进行定义,通过XML对模型进行表示和存储.基于知识组件模型,以松耦合的方式为夹具元件规格的确定、实体模型的语义建模和夹具元件装配等设计过程提供知识支持.实现设计知识无缝、快速地应用于夹具元件的设计过程.通过某飞机零件的夹具元件设计实例验证了所提模型和算法的有效性.      

表示学习知识图谱的实体对齐算法

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.     

基于随机游走的概念显性语义关联度计算

开放知识网络中概念语义关联度计算是一个重要的问题.吸取蚁群算法思想中的信息素策略,并以融入了该策略的随机游走作为关联度计算的基本框架,将信息素分布作为语义关联紧密程度的判定依据,提出一种基于随机游走的语义关联度计算方法,以显性方式呈现语义关联度的计算探索过程.该算法主要包含路径选择模型(PSM)和语义关联度计算模型(SRCM)两部分.PSM用于指定游走代理在游走过程中的路径选择、信息素释放过程;SRCM利用游走代理反馈的信息进行语义关联度的计算.实验结果表明,该算法能够在线性复杂度下实现语义关联度的计算,扩展了语义关联度计算的可行策略.     

基于RDF技术的知识表示及应用

提出了一种用RDF描述受限领域知识的元数据,用RDF/XML存储和处理知识信息的方法,并在具体应用中实现了这种方法,这是一种开发智能型教学课件的解决方案。用RDF技术可以解决的问题还有：语义Web、智能搜索引擎、语义层的数据交换、信息的自动链接与引用、数字图书馆等。