【摘 要】
：
信息时代,大数据中含有许多有用的知识,值得人们深入探索、挖掘、研究、分析.随着信息爆炸,数据量暴增,知识图谱在垂直搜索、NLP、社会网络、语义WEB、智能问答、生物信息学医学等领域有着越来越重要且广泛的应用.知识图谱推理算法是根据知识图谱中现存的知识,通过计算推理,得到新的知识的过程,是当前知识图谱的热门课题.对于大量的知识图谱推理问题,现有的张量分解知识图谱算法仅考虑数据的单一特征,对知识图谱的
论文部分内容阅读
信息时代,大数据中含有许多有用的知识,值得人们深入探索、挖掘、研究、分析.随着信息爆炸,数据量暴增,知识图谱在垂直搜索、NLP、社会网络、语义WEB、智能问答、生物信息学医学等领域有着越来越重要且广泛的应用.知识图谱推理算法是根据知识图谱中现存的知识,通过计算推理,得到新的知识的过程,是当前知识图谱的热门课题.对于大量的知识图谱推理问题,现有的张量分解知识图谱算法仅考虑数据的单一特征,对知识图谱的信息利用不够充分.因此,本文基于张量分解（RESCAL）算法,提出了一种综合考虑知识图谱信息特征与数值特征的融合算法:融合相对熵-平方差的知识图谱推理算法（KLLS-RESCAL算法）.该算法基于相对熵和平方差,通过权重参数,设置融合损失函数,从信息论与数值分析两个角度进行张量分解,综合考虑知识图谱数据的复杂性.相应的理论分析及实验结果表明,在知识图谱推理中,本文提出的融合算法相对于其它的张量分解单一算法,具有更高的预测准确率.此外,知识图谱数据大多十分庞大,针对大规模数据运算速率问题,提出融合标准化相对熵-平方差的知识图谱优化算法（KLLS*-RESCAL算法）.该算法首先对因子矩阵进行归一化,再基于相对熵和平方差,设置标准化的融合损失函数,从信息论与数值分析两个角度对知识图谱进行优化.相应的理论分析及实验结果表明,在知识图谱推理中,该算法相对于其它的张量分解单一算法,具有更高的预测准确率,且该算法的运算速率优于对比KLLS-RESCAL算法.最后,本文对两种融合算法进行了比较,理论分析与实验结果表明,两种融合算法的预测效果无明显差异,但KLLS*-RESCAL算法的运算速率优于KLLS-RESCAL算法.
其他文献
截止2019年PubMed数据库中收录的生物医学文献超过了三千万篇,从这些文本中挖掘出有效的生物医学信息用于疾病诊断和新药研发等领域成为研究的热点,而生物医学事件抽取是其焦点问题。生物医学事件抽取的主要任务包括事件触发词和事件元素识别,目前的相关的研究存在未能充分挖掘文本语义特征和数据样本标注不足的问题。针对触发词识别中未能充分挖掘文本语义特征的问题,本文提出了基于多角度学习关键语义信息的方法,该
社会关系的研究在社会学领域中一直是一个重要的话题。随着互联网技术与社会媒体平台的蓬勃发展,越来越多的人活跃在社会媒体中。这为社会关系的研究提供了一个新的途径。人们在社会媒体中的交互是现实社交在网络上的映射,这为通过社会媒体研究社会关系提供了可靠性。并且,海量社会媒体数据也为社会关系的研究带来了极大的便利。本文旨在通过社会媒体数据进行多元化社会关系画像。多元化主要体现在数据的多元化和方法的多元化。数
移动边缘计算是指在移动网络边缘部署存储和计算资源,为移动网络供应云计算能力和IT服务环境,从而为移动用户提出高带宽和超低时延的网络服务解决方案。计算卸载在移动边缘计算中是一项关键技术,可以为资源受限设备运行计算密集型应用提供计算资源,加快计算速度,节省能源。移动边缘计算中的计算卸载是将移动用户终端的计算密集型任务卸载到边缘环境中,弥补了终端设备在计算性能、资源存储以及能效等方面存在的不足。移动用户
云计算由于其强大的计算和存储能力得到了广泛关注,但是远距离传输带来的高延迟对用户体验产生了不利影响,本文通过引入移动边缘计算技术,利用边缘节点天然的地理位置优势,将一个区域内的闲置计算资源整合成一个分布式边缘计算平台,使其提供快速,高效的即时响应。为了解决分布环境中的用户身份安全问题,本文引入区块链技术实现用户之间的可信交易。面对共识过程中产生的“冷启动”和“长期回报”,本文引入银行借贷机制,解决
知识图谱是由实体和关系组成的有向图,图中的节点表示现实世界中的各种事物实体,图中的边表示这些事物实体之间的相互关系。但是知识图谱通常都是不完全的,会有大量的关系缺失,通过人工的方式补全这些缺失的关系,需要消耗大量的人力和时间。因此,知识表示学习被提出来,通过将实体嵌入到连续的低维向量空间中,进而实现知识图谱的自动补全。现在已有很多知识嵌入方法,一般将其分为两大类,第一类是以Trans E为开端的基
近几年,我国公共建筑领域的发展趋势是公共建筑的档次越来越高,功能越来越复杂,高能耗建筑占新建建筑的比例越来越高。作为建筑能耗占比最大的一部分,公共建筑暖通空调系统在实际运行过程中缺乏有效的调节手段。目前对于公共建筑节能诊断的研究主要从两个角度考虑,分别基于专家知识和基于数据挖掘来进行,但多数研究工作仅从一个角度考虑,将节能诊断工作进行非常细致地推进,但这样往往会造成测试工作量过大或诊断方法过于复杂
城市交通系统作为城市系统的重要组成部分,在城市风险研究中不可或缺。城市风险的防范与监测需要将城市交通出行特征纳入考量范围。对于交通出行轨迹数据进行挖掘,可以发现城市居民的移动规律与城市系统空间的交互特征,进而刻画出整个城市的交通出行画像。本文以描绘城市交通出行画像为出发点,研究如何高效地挖掘出行轨迹数据,探索这些行驶轨迹形成的原因,开展了以下工作:首先,提出了基于频繁模式挖掘的城市交通出行画像方法
古代壁画是是中国古典艺术的宝库,是中国历史和文化的见证,是我国宝贵的历史文化遗产,其历史研究价值更是无法估量。然而在外界环境及人为内在因素的影响下,大部分壁画如敦煌莫高窟、西千佛洞等壁画群均出现不同程度的裂缝、脱落、酥碱、霉变等多种形式的病害。为了长久地保护这些珍宝,修复壁画中的破损部分精准还原壁画内容,是一项亟需研究且具有重大意义的内容。与传统手工技术相比,数字化技术的出现给古建筑壁画修复带来了
深度估计一直是机器视觉领域中重要的研究课题。早期的深度估计是基于场景中的几何约束信息从而得到深度信息。后来出现了单目深度估计算法。近年来随着人工智能技术的高速发展,深度学习方向炙手可热,基于深度学习的深度估计算法发展迅猛使得深度估计有了更广泛的应用,比如:实地测距,机器人导航,自动驾驶等等。但现在大部分深度估计算法主要用于室外场景,而室内场景下的深度估计,由于该类场景没有显著的全局或局部特征,场景
为了解决传统互联网暴露出的IP地址不足、安全性差等问题,一种以内容为中心的新型网络架构命名数据网应运而生。命名数据网通过内置内容存储池,提供了网内缓存功能,实现了数据的高效分发与共享。然而,频繁的数据检索和海量的数据存储给内容存储池的设计与部署带来了巨大挑战。为此,本论文针对命名数据网转发平面内容存储池的存储结构及其数据检索算法展开研究,设计了高性能、可部署的内容存储池。本论文的主要工作和创新点总