首页|期刊简介|投稿指南|分类索引|刊文选读|订阅指南|资料|样刊邮寄查询|常见问题解答|联系我们
郭 智,郑彦斌,夏志超,等. 融合属性信息的知识表示方法[J]. 科学技术与工程, 2019, 19(33): 259-265.
GUO Zhi,ZHENG Yan-bin,XIA Zhi-chao,et al.AIKR:Knowledge Representation with Attribute Information[J].Science Technology and Engineering,2019,19(33):259-265.
融合属性信息的知识表示方法
AIKR:Knowledge Representation with Attribute Information
投稿时间:2019-03-19  修订日期:2019-08-17
DOI:
中文关键词:  知识图谱 表示学习 卷积神经网络 链接预测 三元组分
英文关键词:knowledge  graph representation  learning CNN  link prediction  triple classification
基金项目:国家自然科学基金、广西自然科学基金、广西密码学与信息安全重点实验室项目、 广西科技计划项目、桂林电子科技大学研究生教育创新计划项目
              
作者单位
郭 智 桂林电子科技大学
郑彦斌 桂林电子科技大学
夏志超 桂林电子科技大学
卜祥霖 天宇君安(北京)科技有限公司
黄永忠 桂林电子科技大学
摘要点击次数: 147
全文下载次数: 30
中文摘要:
      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。
英文摘要:
      The existing jointly representation learning models use entity description as auxiliary information to enhance the representation ability, but ignore a large amount of valuable information in the internet. To solve this problem, this paper proposes a knowledge representation learning method (AIKR) which fuses attribute information and structure representation. First, text related to entity attributes is found by computing the Levenshtein distance between the text corpus and the obtained different attributes of the entities. Second, the text of attributes encoded by the deep convolutional neural network to get entity attribute representation. Finally, the attribute representation and the structural representation are combined for joint learning. The structure representation is generated by a translation model. The experimental results show that, compared with the methods that only use the entity description, knowledge representation with attribute information can learn more semantic information and has better representation ability.
查看全文  查看/发表评论  下载PDF阅读器
关闭
你是第27494226位访问者
版权所有:科学技术与工程编辑部
主管:中国科学技术协会    主办:中国技术经济学会
Tel:(010)62118920 E-mail:stae@vip.163.com
京ICP备05035734号-4
技术支持:本系统由北京勤云科技发展有限公司设计

京公网安备 11010802029091号