融合属性信息的知识表示方法

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。     

融合语义和结构信息的知识图谱实体对齐

实体对齐能够发现不同知识图谱实体间的对齐关系,是多源知识融合的基础。现有的基于知识表示学习的方法依赖大量标注数据,且并未利用知识图谱中属性等结构化信息,限制了实体对齐的效果。针对这个问题,文章提出融合语义和结构信息的实体对齐方法,使用协同训练(Cotraining)框架,将特征分为语义视角和结构视角,在两个视角下分别训练基于两个图谱联合表示学习(Joint Embedding)的实体对齐模型,并不断选出最可信的实体对齐结果用于辅助另一视角下模型的训练,实现语义和结构信息的融合,从而提升实体对齐的效果。同时,提出使用属性强约束,限制协同训练过程中产生的漂移。实验证明,与传统方法相比,该方法在准确率和F1值上都有提升。     

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.     

一种融合实体关联性约束的表示学习方法

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.      

基于字词混合和GRU的科技文本知识抽取方法

知识抽取任务是从非结构化的文本数据抽取三元组关系(头实体-关系-尾实体)。现有知识抽取方法分为流水式方法和联合抽取方法。流水式方法将命名实体识别和实体知识抽取分别用各自的模块抽取,这种方式虽然有较好的灵活性,但训练速度较慢。联合抽取的学习模型是一种通过神经网络实现的端到端的模型,同时实现实体识别和知识抽取,能够很好地保留实体和关系之间的关联,将实体和关系的联合抽取转化为一个序列标注问题。基于此,本文提出了一种基于字词混合和门控制单元(Gated Recurrent Unit, GRU)的科技文本知识抽取(MBGAB)方法,结合注意力机制提取中文科技资源文本的关系;采用字词混合的向量映射方式,既在最大程度上避免边界切分出错,又有效融入语义信息;采用端到端的联合抽取模型,利用双向GRU网络,结合自注意力机制来有效捕获句子中的长距离语义信息,并且通过引入偏置权重来提高模型抽取效果。     

基于四元数图神经网络的知识图谱嵌入

针对当前大多数知识图谱嵌入方法对实体和关系的表示能力低、难以处理复杂关系的问题,提出一种基于四元数图神经网络的知识图谱嵌入方法,用于解决知识图谱的链路预测问题。该方法为了包含更丰富的关系信息,将四元数引入到知识图谱嵌入中对实体和关系建模,并考虑两者之间的共现关系。模型利用勒维图变换将知识图谱中的实体和关系转换为图网络中的节点,采用两者的共现关系构建图中的边;将四元数图神经网络(quaternion graph neural networks, QGNN)作为编码器模块,学习图节点的四元数嵌入;利用四元数空间内的哈密顿乘积构造评分函数对生成三元组进行排序。实验结果表明,所提模型能够很好地捕捉到实体与关系之间潜在的相互依赖关系,在知识图谱嵌入方面优于现有的嵌入模型。     

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.     

面向互联网食品文本实体关系联合抽取研究

传统实体关系抽取方法中存在错误传播、实体冗余等问题,食品文本语料中存在主实体对应多个关系的特点,针对此情况,提出一种面向互联网食品文本领域的实体关系联合抽取方法。采用序列标注标签和实体关系匹配规则,将实体关系抽取任务转化为序列标注问题;引入基于位置感知的领域词注意力机制的字词双维度语义编码向量,增强文本的语义表征;在对句子进行字词双维度表示的基础上结合双向长短期记忆网络(bi-directional long short-term memory, BiLSTM)和条件随机场(conditional random field, CRF)构建了序列标注模型(position attention-bidirectional encoder representation from transformer, PA-BERT),实现实体关系联合抽取。对比实验证明,提出的实体关系联合抽取模型在食品数据集上的准确率比常用深度神经网络模型高出6%～11%,在食品文本实体关系抽取中是有效性的。     

基于E—R模型层次化的录入技术

传统E—R模型是对现实世界的一种有力的抽象，但是E—R模型中的实体关系十分复杂，尤其是在实体数目大、相互联系复杂的情形。为了能够有效地提高数据录入模块的开发效率，文中对传统E—R模型进行改进，提出一种基于E—R模型层次化的录入技术，即通过对传统E—R模型产生的逻辑模型(关系模型)按构成主键的主属性数目进行层次化，再按主键层次生成录入界面，首先生成第1层实体的录入界面，再调用第1层实体的录入界面来生成第2层实体的录入界面，直到生成最底层实体的录入界面。     

TransE和TransH模型空间地址表示学习中的对比研究——以广州市天河区为例

将地理知识融入空间地址,研究空间信息与语义信息融合的知识表示学习方法;将空间地址数据集在TransE模型和TransH模型上进行训练,通过元组分类和向量间距离评估的方法进行对比研究.研究结果表明:(1)在地址实体的表示学习任务中,TransH模型在对复杂关系的建模任务上明显优于TransE模型;(2)在语义知识基础上融入空间关系,能够有效地解决地址实体语义相似而空间距离不相近和空间距离相近而语义不相似的两大问题.语义关系与空间关系的融合,将能够挖掘更多有价值的信息,有利于进一步开展地理知识图谱的补全工作,可为地理知识图谱表示学习提供方法借鉴.     

基于对象的本体知识库设计研究

本体(Ontology)是一种对"存在"的系统化解释。将本体的概念和思想用于计算机领域,可用本体描述应用领域中的术语和术语之间的关系以及构成术语及术语间关系的规则(知识)。鉴于确定问题空间的实体较确定问题空间的知识要容易、简单。因此,文章提出了基于对象的本体知识库设计方法。     

MDR概念系统注册及本体表示标准化研究

随着大数据与人工智能在各个领域的深入应用，知识表示的标准化问题被提到了重要的日程。为实现知识表示的标准化，引入了现实世界、概念世界与计算机世界3个世界模型，明确阐述了将现实世界中的事物通过抽象，将其转化为概念世界中的概念系统模型，依据标准将其转化为计算机世界中的信息模型，从而实现知识表示。为了使概念系统模型表示规范化，重点研究了ISO/IEC 11179 MDR系列标准，剖析了其中的概念系统注册元模型规范，构建了MDR概念系统的七元组模型，同时还定义了概念间关系表示方法，为概念系统模型的表示奠定了基础。为了将注册在MDR中的概念系统模型转为计算机世界中的OWL本体表示模型，定义了将MDR概念系统向OWL本体映射的规则。最后，设计并开发了概念系统注册原型系统，验证了MDR概念系统和本体表示的可行性。研究成果为领域知识表示的标准化提供了方法论。     

RESEARCH INTO DEVELOPING INTELLIGENT CAE SYSTEMS——An FEM-based Mechanism Design Approach

A general methodology for developing intelligent CAE systems is presented, which is based on a so-called Model Based Reasoning Approach (MBRA) in knowledge engineering. Generic features of CAE systems are described, and a generic model for the architecture of CAE systems with these generic features is then presented. A model-based reasoning approach is modified for implementing the generic model. A case for developing a computer system for the mechanism design based on a specific finite element theory is used to explain the methodology.     

用于决策支持的贝叶斯网络

联机分析处理只能用于决策的表层知识，数据采掘却能提供深层次的知识，即提供数据内部所隐藏的有用知识，贝叶斯网络是数据采掘的一个非常有效的工具，它能够定性和定量地分析属性之间的依赖关系，并进行概率推理。     

超链接文本中的连贯

连贯理论一直以来针对的是线性文本,本文试图运用语用学的连贯理论,从交际者共享知识的角度描写超链接文本中的连贯。超链接文本最基本的要素是文本路径,它可分为预先定义路径和自选路径。本文分别阐述了由这两种路径构成的超链接文本的连贯。论文尝试指出,从语用上来说,超链接文本中的连贯与普通线性文本一样,是建立在作者与读者共同遵守的语篇组织模式和运用世界知识的推理之上。人们具有的世界知识和推理能力,对理解超链接文本的连贯起重要作用。     

数据仓库增量维护技术的研究

提出了数据仓库设计中的一种新的"基于多delta文件的选择增量维护算法",该算法实现了加载、维护的较小结果集,另外采用多层体系结构,用基库将操作型OLTP环境和DSS和OLAP环境桥接起来,在基库端和仓库端采用多版本控制思想控制抽取动态结果集大小以及在数据仓库端采用增量维护的算法,从而在维护后台进程中用的是较小的数据结果集批量加载,并不影响数据仓库端的查询操作,明显地减少了对OLAP和OLTP环境的影响.该算法和体系结构宜于实现,具有较强的工程参考价值.     

端点模糊的区间代数

由于现实世界中事件的持续时间难以精确测量,以及起始时刻及结束时刻的模糊性,使得Allen的敬意代数不能很好地刻画事件的模糊时间区间,用事件的持续密度函数的概念来表示事件的持续时间,并用时间区间来近似持续密度函数,使得可以应用Allen的区间代数来进行相应的时态推理。     

The Application of Big-Neuron Theory in Expert Systems

With a new way of knowledge representation and acquirement, inference, and building an expert system based on big-neurons composed of different field expert knowledge presented, the fundamental theory and architecture of expert system based upon big-neuron theory has thus been built. It is unnecessary to organize a large number of production rules when using big-neurons to build an expert system. The facts and rules of an expert system have already been hidden in big-neurons. And also, it is unnecessary to do a great quantity of tree searching when using this method to do logic reasoning. Machine can do self-organizing and self-learning.     

谓词逻辑推理中证明方法的判定

数理逻辑是《离散数学》的难点之一。主要有两个原因,其一是内容比较抽象且方法较独特;其二是题型以证明题居多,大多数证明题涉及到的知识面较广,习题较难。而谓词逻辑是命题逻辑的推广,其灵活性就更大,故很难掌握。本文总结了几种谓词逻辑推理的判定方法和注意事项,以帮助掌握证明题的证明。结合适当的例题讲解,帮助学生进行逻辑思维能力的训练,培养分析问题和解决问题的能力。     

水轮机调速器智能化自完善控制策略

本文提出了智能化自完善控制策略,通过采用“知识库”存贮最佳的知识与经验,根据受控对象当前运行条件及状态,运用相应的分析逻辑及推理功能,实时地调整控制器结构及参数,以实现逐步改善控制系统性能的目的.文中将所论述的控制策略用于水轮机调速器开发研究.