| 
  中国学术期刊网络出版总库
  关闭
基于结构与文本联合表示的知识图谱补全方法  
   推荐 CAJ下载 PDF下载
【英文篇名】 Knowledge Graph Completion Method Based on Jointly Representation of Structure and Text
【下载频次】 ★★★★★
【作者】 鲍开放; 顾君忠; 杨静;
【英文作者】 BAO Kaifang; GU Junzhong; YANG Jing; Department of Computer Science and Technology; East China Normal University;
【作者单位】 华东师范大学计算机科学技术系;
【文献出处】 计算机工程 , Computer Engineering, 编辑部邮箱 2018年 07期  
期刊荣誉：中文核心期刊要目总览  ASPT来源刊  CJFD收录刊
【中文关键词】 知识图谱补全; 表示学习; 深度学习; 词向量; 知识表示;
【英文关键词】 knowledge graph completion; representation learning; deep learning; word vector; knowledge representation;
【摘要】 现有的表示学习算法不能很好地表示知识图谱中的复杂关系,且未能充分利用实体的描述文本。为此,建立一种结合文本表示和结构表示的联合表示学习模型。使用深度卷积神经网络对实体的描述文本进行编码得到文本表示,通过引入非对称映射操作的基于翻译思想的模型生成结构表示,将两者进行联合学习从而得到实体和关系表示,同时使用不同的低秩矩阵分别对头实体和尾实体进行映射,使其能更好地表现知识图谱中的复杂关系。实验结果表明,相对文本表示和结构表示的单独训练模型,该模型具有更好的表示性能。
【英文摘要】 The existing representation learning algorithms can not well represent the complex relationship in knowledge graph, and fails to make full use of the description text of entities. To solve this problem,this paper proposes a jointly representation learning model combining text representation and structure representation. The deep Convolution Neural Network( CNN) is used to encode the text of the entity to get the text representation,the structure representation is generated by introducing the translation tho...
【基金】 国家科技支撑计划项目(2015BAH01F02)
【更新日期】 2018-07-31
【分类号】 TP181
【正文快照】 0概述以Freebase和Word Net为代表的知识图谱因能够提供准确、有效的结构信息,已成为网络检索、推荐系统和自动问答系统等智能应用的重要数据资源[1]。知识图谱往往包含数以百万计的实体和数十亿条的知识,但在实际应用中还不够全面。知识图谱补全旨在解决知识图谱中的数据稀疏?

xxx
【读者推荐文章】中国期刊全文数据库
【相似文献】
中国期刊全文数据库
中国优秀硕士学位论文全文数据库
中国博士学位论文全文数据库
中国重要会议论文全文数据库
中国重要报纸全文数据库
中国学术期刊网络出版总库
点击下列相关研究机构和相关文献作者，可以直接查到这些机构和作者被《中国知识资源总库》收录的其它文献，使您全面了解该机构和该作者的研究动态和历史。
【文献分类导航】从导航的最底层可以看到与本文研究领域相同的文献，从上层导航可以浏览更多相关领域的文献。

工业技术
　 自动化技术、计算机技术
　　 自动化基础理论
　　　 人工智能理论
　　　　 自动推理、机器学习
  
 
  CNKI系列数据库编辑出版及版权所有：中国学术期刊(光盘版)电子杂志社
中国知网技术服务及网站系统软件版权所有：清华同方知网(北京)技术有限公司
其它数据库版权所有：各数据库编辑出版单位（见各库版权信息）
京ICP证040431号    互联网出版许可证 新出网证（京）字008号