基于知识表示学习的知识图谱补全研究进展.pdfVIP

基于知识表示学习的知识图谱补全研究进展.pdf

此“教育”领域文档为创作者个人分享资料,不作为权威性指导和指引,仅供参考
  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

ComputerEngineeringandApplications计算机工程与应用2023,59(18)59

基于知识表示学习的知识图谱补全研究进展

于梦波,杜建强,罗计根,聂斌,刘勇,邱俊洋

江西中医药大学计算机学院,南昌330004

摘要:知识图谱(KG)是一种基于图的数据结构,其知识是以三元组的形式呈现,即(头实体,关系,尾实体)。随着

人工智能的发展,知识图谱已在系统推荐、智能问答、知识搜索等领域发挥了重要作用。然而构建的知识图谱具有

不完整性,影响了知识图谱的下游任务应用,知识图谱补全能够很好地解决这一问题。近年来,基于知识表示学习

的知识图谱补全方法成为研究的热点,其以表示向量的形式在低维连续向量空间中学习实体和关系的嵌入特征,旨

在预测未知的事实信息进行知识图谱补全。根据KG类型的不同,将其分为静态知识图谱补全、时序知识图谱补全

以及多模态知识图谱补全,对这三类知识图谱补全方法拟解决的关键问题、设计思路、模型评价等方面进行对比总

结,展望知识图谱补全未来的发展方向,为相关领域的研究人员提供参考。

关键词:知识图谱;知识图谱补全;知识表示学习

文献标志码:A中图分类号:TP391doi:10.3778/j.issn.1002-8331.2212-0119

ResearchProgressofKnowledgeGraphCompletionBasedonKnowledgeRepresentationLearning

YUMengbo,DUJianqiang,LUOJigen,NIEBin,LIUYong,QIUJunyang

CollegeofComputerScience,JiangxiUniversityofTraditionalChineseMedicine,Nanchang330004,China

Abstract:Aknowledgegraph(KG)isagraph-baseddatastructureinwhichknowledgeispresentedintheformoftriples

(headentities,relationships,tailentities).Withthedevelopmentofartificialintelligence,knowledgegraphhasplayedan

importantroleinintelligentsystemrecommendation,questionanswering,knowledgesearchandsoon.However,thecon-

structedknowledgegraphisincomplete,whichaffectsthedownstreamtaskapplicationofknowledgegraph.Knowledge

graphcompletioncansolvethisproblemwell.Inrecentyears,knowledgegraphcompletionmethodbasedonknowledge

representationlearninghasbecomearesearchhotspot.Itlearnstheembeddedfeaturesofentitiesandrelationsinlow-

dimensionalcontinuousvectorspaceintheformofrepresentationvector,aimingatpredictingunknownfactualinforma-

tionforknowledgegraphcompletion.AccordingtothedifferenttypesofKG,firstly,itisdividedintostaticknowledge

graphcompletion,temporalknowledgegraphcompletionandmultimodalknowledgegraphcompletion.Secondly,thekey

problems,designideas,

文档评论(0)

新能源知识科普(本账号发布文档均来源于互联网公开资料,仅用于技术分享交流,相关版权为原作者所有。如果侵犯了您的相关权利,请提出指正,我们将立即删除相关资料)。

1亿VIP精品文档

相关文档