基于三元组结构信息的知识图谱表示学习方法研究.pdf

1、本文档共60页，其中可免费阅读25页，需付费100金币后方可阅读剩余内容。
2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。

摘要本文通过对知识图谱结构信息的融合学习进行了深入研究，成功构建了一种综合性能比前两种方法更优的表示学习融合模型实验结果显示，融合图谱三元组关系信息之后，表示学习性能得到了快速提升，hit1指标也得到了显著提升这一研究为知识表示学习的高效性和准确性提供了重要的理论支持

摘要

随着网络信息技术的快速发展，知识图谱规模不断增加，计算效率低下、以及数

据长尾稀疏性问题也随之而来，为了解决上述问题，相关研究人员引入分布式低维向

量来表示知识图谱三元组。知识图谱三元组实体以及关系嵌入蕴含着丰富的图谱信息，

但传统知识表示学习模型的训练过程以三元组为单元，相对独立地进行模型的训练学

习，无法有效利用到图谱三元组间潜在的图谱特征信息，限制了模型知识表示学习的

能力。选择一种合适的方法对图谱三元组实体和关系等结构信息进行融合学习，能够

提升模型的表示学习效果。

因此，本文进

该用户很懒，什么也没介绍

咨询Ta 进入空间

用户编号：7043055023000005

更多 >