融合属性嵌入与关系注意力的跨语言实体对齐

目前知识图谱实体对齐的主流方法是通过图神经网络学习知识图谱的嵌入表示,并测量实体嵌入之间的相似性实现实体的对齐.很多实体对齐方法只考虑知识图谱的结构信息和关系信息,却常常忽略了属性信息.针对上述问题,提出了一种融合属性嵌入的实体对齐方法：融合属性信息的精简关系感知双图卷积网络模型.首先,基于关系感知双图卷积网络的注意力机制提取知识图谱的关系信息;然后,利用带高速门的图卷积网络获取属性信息;最后,融合二者的嵌入信息以实现更高准确率的实体对齐.在3个跨语言数据集上的实验结果表明,该方法通过融合知识图谱属性信息增强了实体表示能力,在3个数据集上Hits@1值相比原模型分别增长了6.42%、4.59%和1.98%,对齐效果明显优于目前主流的实体对齐方法.     

基于噪声检测的多语言知识图谱实体对齐技术研究

针对在实体对齐任务中,由于缺少噪音实体对的标记,导致对齐准确率不高的问题,提出采用健壮性实体对齐(Robust Entity Alignment,REA)方法,设计了噪声感知实体对齐模块和噪声检测模块.首先,噪声感知实体对齐模块是基于图卷积神经网络(Graph Convolutional Networks,GCN)的知识图编码器,将知识图谱中的实体对更新嵌入;然后,基于生成对抗网络(Generative Adversarial Networks,GAN)设计了噪声生成器和噪声鉴别器,从而将实体对中的噪音实体对区分出来;最后,通过一种交互的强化训练策略,迭代使噪声感知和实体对齐相结合.实验结果表明,在DBP15K数据集上测试,新方法能有效提高在涉及噪音情况下的实体对齐精准度,与GCN-Align和IPTransE这些基准嵌入模型相比,Hits@1、Hits@5、M_RR 3个评价指标上均有较大的提升.     

融合实体信息的图卷积神经网络的短文本分类模型

提出一种融合实体信息的图卷积神经网络模型（ETGCN）,用于短文本分类.首先,使用实体链接工具抽取短文本中的实体;然后,利用图卷积神经网络对文档、实体和单词进行建模,丰富文本的潜在语义特征;将学习到的单词节点表示与BERT词嵌入进行拼接,通过双向长短期记忆网络,进一步挖掘文本上下文语义特征,再与图神经网络模型得到的文本特征进行融合,用于分类.实验结果表明,该模型在数据集AGNews、R52和MR上的分类准确率分别为88.38%、93.87%和82.87%,优于大部分主流的基线方法.     

基于多数据源的知识图谱构建方法研究

针对多数据源的融合应用,构建了基于多数据源的知识图谱.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,提供查询和统计等操作.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.     

基于注意力模型的多模态特征融合雷达知识推荐

为了能够在数量庞大的雷达技术资料中快速准确地找到科研人员感兴趣的雷达知识信息并进行推荐,提出了一种基于注意力模型的多模态特征融合雷达知识推荐方法,学习高层次的雷达知识的多模态融合特征表示,进而实现雷达知识推荐.该方法主要包括数据预处理、多模态特征提取、多模态特征融合和雷达知识推荐4个阶段.实验结果表明:与只利用单一模态特征以及简单串联多模态特征的方法相比,利用文中方法学习到的多模态融合特征进行雷达知识推荐,推荐结果的准确率、召回率和综合评价指标(F1值)均有显著提高,表明提出的基于注意力模型的多模态特征融合方法对于知识推荐任务更加有效,体现了算法的优越性.     

融合外部知识和图卷积神经网络的生物医学事件联合识别

利用自然语言处理技术从生物医学文本中抽取药物治疗、疾病诊断等事件以及事件中涉及的疾病、药物等实体,对于生物医学领域相关学术研究以及各类生物医学应用系统具有重要意义。目前相关研究者对于生物医学事件抽取技术已经进行了较为广泛的研究,但在生物医学事件的触发词识别以及关系抽取方面依旧存在诸多挑战。针对生物医学文本中的缩略词及专业术语难以识别和生物医学语义关系难以嵌入的问题,本文提出了一种融合外部知识和图卷积神经网络的生物医学信息联合识别模型。图卷积神经网络构建了包含实体和语义关系的异构图,能够迭代地融合本地知识图和外部知识图中的交互信息,根据得到的交互信息来进行生物医学实体对之间关系的抽取任务。预训练编码后利用图卷积神经网络构建本地和外部知识两个知识图,获得两个图中每个节点的特征表示,并且通过注意力实体链接的方法将两个图进行融合与信息迭代,进而抽取其最后一层隐藏层来完成最终的分类识别。其中UMLS被用作实体消歧的外部知识库,实体链接器根据注意力权重选择对应实体。通过在MLEE语料库上进行的实验表明,联合任务能够实现事件抽取和触发词、元素识别的综合性能。     

基于ELECTRA与神经网络模型的中文医疗知识图谱实体识别

如今随着互联网的发展,数据呈现的方式大不相同,然而知识图谱的出现,给人们提供了一种更好地组织、管理和理解海量信息的能力.知识图谱质量的高低与实体以及实体之间的关系存在密不可分的关系,从实体角度出发,研究实体识别方法.如今大多数深度学习模型对实体识别效果不错,但在语义信息方面没有考虑上下文信息,并且模型体积庞大,参数数量多,导致模型预测结果与真实结果误差大,能耗高.提出了一种ELECTRA模型与神经网络模型结合来进行命名体识别的方法,该方法降低能耗以及提升训练速度,同时又提高了实体识别的准确率等.该组合模型分为三块：首先对ELECTRA模型进行改进,输入文本进行[cls]以及[seq]处理,避免实体边界模糊问题.然后进行随机15%的Mask机制,经生成器预测,再经判别器判别,形成字向量.其次将字向量引入双向长短期记忆网络BiLSTM中,进行上下文语义增强后将句子序列打分.最后通过条件随机场CRF层找到最优的序列标签.实验结果表明,该方法在医疗语料库进行实体识别时,准确率为97.94%、召回率为95.41%、F1值为95.44%、精确率为95.46%,与已有的方法相比,提出的方法效果提升明...     

融合文本和路径语义的知识图谱嵌入学习模型

针对现有的融合文本和路径信息的模型未能充分挖掘和利用文本与路径语义的问题,提出了新的知识图谱嵌入学习模型(GETR模型):首先,利用LDA丰富实体描述文本语义并用TWE获取词和主题向量,采用Bi-LSTM模型把词和主题向量编码融入实体向量表示中,以增强结点的语义表达能力;其次,设计了以组合PageRank和余弦相似度算法为策略的随机游走算法,以获取实体间的多步路径,并利用自注意力机制捕获路径的重要语义融入到翻译模型中进行联合训练,从而达到有效过滤路径中的噪声和提高模型效率的目的.最后,在数据集FB15K、FB20K和WN18上,对GETR、Trans E、DKRL、TKGE模型进行知识补全和实体分类任务的评测,结果表明:GETR模型具有更好的性能表现,是一种更加高效的知识表示方法.     

基于会话的图卷积递归神经网络推荐模型

基于会话的推荐是为了解决匿名用户的推荐问题,是推荐系统中的一个重要分支.现有的采用图神经网络的研究方法尽管已经取得了不错的效果,但是它们无法捕获更准确的用户会话间的潜在信息.针对上述问题,论文提出了基于会话的图卷积递归神经网络(GCRNN)推荐模型,通过图卷积网络层捕捉用户会话图的结构信息,利用递归神经网络层来获得会话的时序信息和会话之间的依赖关系,以此捕获更丰富更准确的用户会话间潜在信息,从而提升推荐效果.模型在两个公开数据集上进行广泛的实验,结果表明GCRNN优于现有的研究方法.     

基于SAT-GCN的花样滑冰选手动作检测算法研究

针对花样滑冰运动人体运动轨迹复杂、动作类型多样、普通人肉眼难以区分且常规的行为识别方法识别准确率低的问题,提出了一种基于时空图卷积网络与多通道注意力机制融合方法 (SAT-GCN)的花样滑冰动作识别算法。该算法首先将视频提取成连续的单独帧,使用OpenPose算法提取人体骨骼关键点数据,降低背景噪声干扰;然后使用时空图卷积算法对骨骼关键点数据进行动作分类。算法对时空图卷积算法进行改进,加入了多通道时空注意力机制融合模块,使得模型更加关注重要的关键点、时间帧片段、特征;使用时序卷积网络(TCN)提取人体骨架关键点在时间序列上的特征;使用SoftMax对提取后的特征进行动作分类。在花样滑冰数据集FSD-10和公开的人类行为数据集Kinetics-Skeleton上进行训练和测试,与改进前的时空图卷积网络(ST-GCN)进行对比,本文所提算法的预测准确率在2个数据集上均有所提升,验证了多通道注意力机制融合方法在花样滑冰选手动作检测任务中的有效性。     

医学知识网络模型的构建研究

知识的集成及应用是知识管理中的关键.概述了知识管理模型的组织和管理对象,探讨了基于本体实现知识关联及基于本体的医学知识网络模型的有关问题,讨论了医学知识网络模型的特点,指出构建医学知识网络模型用以解决知识集成与检索问题,对提高医院知识管理效率具有一定的参考价值.     

基于知识融合的虚拟产品装配设计知识管理研究

客户的个性化需求使产品设计知识越来越丰富,为管理虚拟产品装配设计知识,以知识融合为理论基础,提出了知识管理系统总体结构.采用面向对象的XML知识表示方法,通过获得用户需求和工程规则,建立知识库.对知识进行规范化处理,通过设计任务分解,进行知识推理,建立虚拟装配知识模型.最终以垃圾车装填装置为例,运用NX软件的知识融合和二次开发技术,建立产品装配知识管理系统,实现设计自动化,有利于设计知识的共享和重用,缩短产品开发周期.     

基于知识的工作流管理系统模型研究

针对传统的工作流管理系统在模型的描述及业务流程的自学习、自动建模方面缺乏实现主动化、智能化机制的问题,将专家系统中的理论、技术与工作流技术相结合,论述了二者在模型表示上的一致性,按照智能化系统的表示及控制方法对系统的模型进行了重新定义,提出了基于知识的工作流管理系统的总体模型,并进一步探讨了模型中各功能模块的组成和作用,系统的执行及控制方法.实践证明,采用该模型表示方法能有效增加系统柔韧性,解决流程过程僵硬、对环境变化缺乏适应性的问题.     

基于MFI4OR标准的本体融合模型研究

本体融合已经成为学科领域知识图谱的重建和知识共享的重要途径,为解决本体融合领域缺乏标准融合框架问题,提出一种基于国际标准MFI4OR的本体融合模型.该模型提供一个标准的本体信息划分标准,即本体-本体构件-本体原子构件,实现对本体信息的管理和映射.在融合计算过程中,选择编辑距离算法并引入外部资源WordNet词典进行相似度计算.最后,以省级基金项目中的学习者模型构建需求为应用背景,将FOAF(Friend-Of-A-Friend)本体和RELATIONSHIP本体进行融合试验.结果 表明,该标准化融合模型能实现通用本体融合.     

一种基于扩展主题图的分布式知识融合

针对知识融合的效率问题, 扩展了传统主题图的组织结构, 并在此基础上构建一种基于扩展主题图的分布式知识融合体系结构, 提出一种基于全信息的主题图相似度算法, 设计了扩展主题图融合的规则和算法, 充分考虑了比较元素的涵义和所处语境, 提高了相似度算法的准确性, 实现了分布式环境下知识的有效融合.     

基于网络环境下的教学模式探究

随着信息技术在教育领域的广泛使用,基于网络环境下的教育已悄然而至.现代的学校教学中,网络已经起到不可磨灭的作用,它为教书育人提供了很大帮助.分析了网络环境下的教学模式和网络教学模式带来的变革,并在此基础上对网络环境下教师角色的定位进行了研究.     

基于混合模型的多搜索引擎融合

为提高组合检索系统的性能，提出一种基于混合模型的多搜索引擎融合方法．该方法利用高斯、指数密度函数分别描述相关、非相关文档的相关分值分布，用基于混合模型的算法规范化处理相关分值，估计非相关文档的相关分值，并进行分值合并．这样做既考虑到相关、非相关文档在分值分布上的差异，又考虑了用户对成员搜索引擎的性能评价．实验结果表明，利用该方法的平均查准率要比成员搜索引擎平均提高37．8％，也明显高于Sum-CombSUM、Sum-CombMNZ和Standard-CombSUM3种常用的融合方法。     

基于Internet的大学英语教学模式研究

信息技术的迅速发展和广泛应用给教育带来了新的挑战和机遇。神奇的网络环境，为英语教学展示了一个新的空间，正从根本上改变着传统的英语教学模式。通过对信息技术与大学英语课程的整合，本文提出了一种新的教学模式，并分析了该模式的特点和优势。     

基于互联网的开放式虚拟实验模型研究

在远程教育中教与学是分离的，学习者不受时间和空间的限制，打破了时空界限。对于理论教学通过将制作好的课件直接放入互联网中就可以完成，但对于实验教学就存在一定的难度。对远程教学中的重要环节－虚拟实验及虚拟实验所用的虚拟仪器作了较为详细的分析和定义。     

基于知识网格的知识供应模型

探索了如何在知识网格环境下实现知识供应;提出了基于知识网格的知识供应系统层次图以及各个层次的服务模型;构建了具体的知识网格拓扑结构.在此基础上,分别针对知识网格环境下企业内部的知识生产、企业之间的知识供应进行建模,使知识网格能够高效率、智能化地支持在产品创新设计中知识的快速获取和利用.