【摘 要】
：
知识图谱表示学习旨在将实体和关系映射到一个低维稠密向量空间中，现大多数模型更注重于学习三元组的结构特征，忽略了三元组内的实体关系语义特征和三元组外的实体描述信息特征，因此知识表达能力较差。针对以上问题，提出了一种融合多源信息的知识表示学习模型BAGAT。首先，结合知识图谱特征，构造三元组实体目标节点和邻居节点，实现使用图注意力网络（GAT）聚合三元组结构语义特征表示；然后，使用BERT词向量模型对
论文部分内容阅读
知识图谱表示学习旨在将实体和关系映射到一个低维稠密向量空间中，现大多数模型更注重于学习三元组的结构特征，忽略了三元组内的实体关系语义特征和三元组外的实体描述信息特征，因此知识表达能力较差。针对以上问题，提出了一种融合多源信息的知识表示学习模型BAGAT。首先，结合知识图谱特征，构造三元组实体目标节点和邻居节点，实现使用图注意力网络（GAT）聚合三元组结构语义特征表示；然后，使用BERT词向量模型对实体描述信息嵌入表示；最后，将两种表示方法映射到同一个向量空间中进行联合知识表示学习。实验结果表明，BA
其他文献
控制棒水压驱动系统是200 MW低温核供热堆的关键功率控制设备,电容式棒位测量传感器是该驱动系统的核心测量部件。针对被测杆偏心引起的测量误差,本文提出了能将被测杆步进与偏心所引发的电容变化量实现分离的测量方法(偏心-步进分离方法),依据该方法提出了四螺旋电极电容式棒位测量传感器的设计方案。针对该传感器,利用有限元方法建立了理论模型,开展了传感器静态特性实验,理论模型结果与实验结果符合良好。利用理论
基于红外相机图像的野生动物目标检测有利于研究和保护野生动物。由于不同种类的野生动物数量差别大，红外相机采集到的野生动物数据集存在种类数量分布不均的长尾数据问题，该问题影响目标检测神经网络模型的整体性能提升。针对野生动物的长尾数据导致的目标检测精度低的问题，提出了一种基于两阶段学习和重加权相结合的长尾数据解决方法，并将该方法用于基于YOLOv4-tiny的野生动物目标检测。首先，采集、整理构建了一个
化学电离技术在大气气溶胶质谱分析中的应用已较为广泛。本文对化学电离质谱的结构与工作原理进行了简介，重点归纳总结了近年来化学电离质谱技术对大气自由基和痕量气体的测量、在有机气溶胶的外场观测和实验室研究中的应用与进展情况，探讨了目前研究中尚待解决的难点问题，并对化学电离质谱未来的研究工作及发展趋势进行了展望。
针对稀疏子空间聚类（SSC）方法聚类误差高的问题，提出了基于随机分块的稀疏子空间聚类方法。该方法首先将原问题数据集随机分成几个子集，构建几个子问题。然后分别采用稀疏子空间交替方向乘子法求得几个子问题的系数矩阵，将几个系数矩阵扩充成与原问题一样大小的系数矩阵，并整合成一个系数矩阵。最后，根据整合得到的系数矩阵计算得到相似矩阵，采用谱聚类算法获得原问题的聚类结果。实验结果：相较于对比算法中的次优算法，
由于国家测绘地理信息的保密管理要求，长输管道坐标数据共享一直以来是困扰管道运营单位信息化应用的难题；同时，2013年《石油石化行业国家秘密范围的规定》的发布，使行业对于管道坐标数据的定密问题也产生了较大的争议。为此，通过对近期相关信息安全案例的分析和国家、行业政策的深入解读，明确了管道坐标数据的定秘问题。针对目前长输管道坐标数据应用中的难点和业务需求，结合国家自然资源部的相关政策与技术，构建了基于
针对传统全局定位方法存在对传感器要求多、计算量大的问题，提出了一种基于全局特征点匹配的移动机器人定位方法。该方法采用普通2D雷达作为传感器，首先在机器人建立全局地图的过程中同步地提取全局特征点，然后在全局定位算法中，通过建立局部地图和提取局部地图特征点，实时将局部地图特征点和全局地图特征点进行匹配后求解全局位姿。在两个数据集上的测试，结果优于蒙特卡罗自适应定位（Adaptive Monte Car
[目的]加强草原生态环境监测体系建设对于草原生态环境保护具有十分重要的意义。国际草原生态环境监测和信息服务体系建设，已经开始以数字化管理技术为切入点，实现网络化、空间化、智能控制为主的全面信息化阶段，能够提供系统的数字信息和实用的数字化产品。[方法]通过文献综述的方法对美国、澳大利亚、欧盟等草畜业先进国家的草原生态环境监测体系现状和发展特点进行了分析。[结果]通过对国外草原生态环境监测体系现状进行
宁规划资源规[2021]8号各有关单位:为了进一步规范南京市基础测绘地理信息成果数据的使用和管理,维护国家安全,促进基础测绘地理信息成果利用和测绘地理信息资源共享,现将《南京市基础测绘地理信息成果提供使用管理办法》印发给你们,请遵照执行。特此通知。
股票市场参与者的所有市场活动综合影响着股票市场的变化，使股票市场的波动充满复杂性，成为准确预测股票价格的难题。在这些影响股市变化的活动中，财务披露是预测股票指数变化的一种吸引人的且具有潜在财务回报的手段。为了应对股票市场的复杂变化，提出一种结合公司披露的财务报表数据进行股票指数预测的方法。该方法首先对股票指数历史数据和公司财务报表数据进行预处理，主要是对公司财务报表数据生成的高维矩阵进行降维，然后
针对传统手工方法优化卷积神经网络参数时存在耗时、不准确，以及参数设置影响算法性能等问题，提出了一种基于教与学优化的可变卷积自编码器方法。该算法设计了可变长度的个体编码策略，快速构建卷积自编码器结构，堆叠卷积神经网络；此外，充分利用优秀个体结构信息，引导算法朝着更有希望的区域搜索，提高算法性能。实验结果表明，所提算法在解决医学图像分类问题时，分类精度达到89.84%，高于传统卷积神经网络和同类型神经