-
题名基于图上下文的知识表示学习
被引量：3
- 1
-
-
作者
周泽华
陈恒
李冠宇
-
机构
大连海事大学信息科学技术学院
大连外国语大学软件学院
-
出处
《计算机应用与软件》
北大核心
2021年第6期120-125,共6页
-
基金
国家自然科学基金项目(61371090,61602076,61702072,61976032)
国家社会科学基金项目(15BYY 028)
+1 种基金
辽宁省自然科学基金项目(20170540232,20170540144,20180540003)
大连外国语大学研究创新团队项目“计算语言学与人工智能创新团队”(2016CXTD06)。
-
文摘
在知识图谱的知识表示学习中,绝大多数方法都是将知识图谱中实体和关系映射到低维的连续向量空间中,但数据的稀疏和信息的不足仍会导致实体和关系语义表示的不完整性。针对这个问题,提出基于图上下文的知识表示学习模型(Context_RL)。将知识图谱中实体和关系的上下文信息作为可靠数据来源和输入。通过计算实体和关系的语义相似度,将图上下文信息融入向量表示中,在语义的层面上提高了知识图谱表示学习的能力。通过实体预测和三元组分类实验,在有关数据集上,Context_RL的实验结果比其他模型更好。
-
关键词
知识图谱
知识表示学习
图上下文
语义相似度
向量表示
-
Keywords
Knowledge graph
Knowledge representation learning
Graph context
Semantic similarity
Vector representation
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名图结构上下文及在图聚类中的应用
- 2
-
-
作者
施汉琴
罗斌
汤进
江波
-
机构
淮北师范大学计算机科学与技术学院
安徽大学计算机科学与技术学院
-
出处
《淮北师范大学学报（自然科学版）》
CAS
2015年第2期21-25,共5页
-
基金
淮北师范大学科研项目(700692)
-
文摘
图结构特征的提取以及距离度量是计算机视觉和模式识别中的重要内容.针对传统的图上下文描述子中只考虑每个柱形区域内的特征点数目而忽略特征点之间的结构信息的问题,提出一种图的结构上下文描述子及距离度量方法.首先对图的所有顶点建立图结构上下文描述子;其次,利用二次卡方(QC)距离方法实现图的距离度量;最后,采用最小生成树聚类算法实现图聚类.实验表明,该方法对于一些非刚性变换的图聚类有较好的效果.
-
关键词
相似度量
图结构上下文
二次卡方距离
最小生成树
图聚类
-
Keywords
similarity measurement
graph structure context
Quadratic Chi-square（QC）distance
minimum spanning tree（MST）
graph clustering
-
分类号
X703.1
[环境科学与工程—环境工程]
-
