期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
基于极性的非循环术语集调试
1
作者 欧阳丹彤 叶育鑫 《中国科技论文》 CAS 北大核心 2014年第1期76-80,共5页
通过定义公理中概念的极性和极性冲突,用极性冲突模拟非循环ALC术语集中的语义冲突。在计算极小不可满足保持子集的计算过程中,利用极性冲突作为启发信息,选择更可能导致冲突的公理集合进行有效扩张和收缩。经过评测,在一般情况下,加入... 通过定义公理中概念的极性和极性冲突,用极性冲突模拟非循环ALC术语集中的语义冲突。在计算极小不可满足保持子集的计算过程中,利用极性冲突作为启发信息,选择更可能导致冲突的公理集合进行有效扩张和收缩。经过评测,在一般情况下,加入极性冲突信息的极小不可满足保持子集求解策略有较高的效率。 展开更多
关键词 本体 术语集 不一致 极性
下载PDF
基于知识图谱嵌入的定义域值域约束补全方法 被引量:2
2
作者 欧阳丹彤 张立明 《吉林大学学报(工学版)》 EI CAS CSCD 北大核心 2022年第1期154-161,共8页
针对知识图谱中定义域值域约束补全问题,将其转化成链接预测问题并使用基于知识图谱嵌入模型预测缺失数据。针对定义域值域约束补全问题的结构,在两种基于翻译的知识图谱嵌入模型TransE和RotatE基础上给出了两种高效的约束补全方法DCaT-... 针对知识图谱中定义域值域约束补全问题,将其转化成链接预测问题并使用基于知识图谱嵌入模型预测缺失数据。针对定义域值域约束补全问题的结构,在两种基于翻译的知识图谱嵌入模型TransE和RotatE基础上给出了两种高效的约束补全方法DCaT-T和DCaT-R。特别地,为提升补全方法的预测性能,DCaT-T与DCaT-R方法均采用了两阶段的训练方法。实验结果表明,DCaT-T和DCaT-R优于类型预测方法SDType,DCaT-T方法优于同在TransE基础上实现的嵌入表示模型ConnectE类型预测方法,并且两阶段的训练方法能够进一步提高模型的预测能力。 展开更多
关键词 人工智能 知识图谱 定义域值域 约束补全 知识图谱嵌入
原文传递
知识图谱嵌入中的自适应筛选 被引量:2
3
作者 欧阳丹彤 马骢 +1 位作者 冯莎莎 《吉林大学学报(工学版)》 EI CAS CSCD 北大核心 2020年第2期685-691,共7页
针对知识图谱数据类别不平衡与训练难度不同,随机进行训练数据采样可能导致嵌入模型不能快速收敛的问题,提出了一种自适应的筛选训练数据方法。对训练数据按照关系类别进行分组,采样过程中首先根据概率选择关系类别,然后从选定的分组中... 针对知识图谱数据类别不平衡与训练难度不同,随机进行训练数据采样可能导致嵌入模型不能快速收敛的问题,提出了一种自适应的筛选训练数据方法。对训练数据按照关系类别进行分组,采样过程中首先根据概率选择关系类别,然后从选定的分组中随机选择一个实例进行训练。根据训练效果对每组实例被选择的概率进行自适应调整。实验结果表明:自适应的分组筛选在链接预测任务上取得了更好的结果,使嵌入模型更快、更好地收敛。 展开更多
关键词 人工智能 知识图谱嵌入 基于翻译的嵌入模型 自适应筛选 链接预测
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部