删除或更新信息,请邮件至freekaoyan#163.com(#换成@)

复杂网络下基于路径选择的表示学习方法

本站小编 Free考研考试/2021-12-21

本文二维码信息
二维码(扫一下试试看!)
复杂网络下基于路径选择的表示学习方法
Representation Learning Based on Path Selection in Complex Networks
投稿时间:2018-01-19
DOI:10.15918/j.tbit1001-0645.2018.053
中文关键词:知识图谱路径选择表示学习
English Keywords:knowledge graphpath selectionrepresentation learning
基金项目:国家部委预研项目(315110)
作者单位E-mail
刘琼昕北京市海量语言信息处理与云计算应用工程技术研究中心, 北京 100081
北京理工大学 计算机学院, 北京 100081
龙航北京理工大学 计算机学院, 北京 1000812120161020@bit.edu.cn
郑培雄哈尔滨工程大学 计算机学院, 黑龙江, 哈尔滨 150001
摘要点击次数:807
全文下载次数:348
中文摘要:
基于路径和基于知识表示的推理是当前知识图谱领域两大主流推理方法,二者的融合算法可以提高知识推理的准确率,但是依旧存在表示学习的时候效率低下、预测准确率低、模型过拟合等若干问题.本文方法针对这些问题提出了基于路径选择的表示学习方法.对路径特征信息进行进一步的过滤和筛选,保留关键路径,在路径信息和知识表示的结合过程中使用平衡参数对缺失路径信息的三元组进行处理.使用公开数据集对模型进行测试,实验表明模型可以有效提高泛化能力和准确率.
English Summary:
Path-based and representation-based reasoning are two major methods on knowledge inference. A combination of both algorithms can improve the accuracy of knowledge reasoning. However, there are still some problems, such as inefficiencies in learning, low prediction accuracy and over-fitting of the model. A representation learning method based on path selection was proposed in this paper to further filter the path feature information, to hold the key paths and to use the balance parameter to process the triples of missing path information. In this paper, a public data set was used to test the model. Experiments show that the model can effectively improve the generalization ability and accuracy.
查看全文查看/发表评论下载PDF阅读器
相关话题/信息 北京 计算机 知识 北京理工大学