面向产品指标图谱的知识表示学习方法研究

作     者：邱雪 单世民 魏宏夔 王恺 杨念顺 QIU Xue;SHAN Shimin;WEI Hongkui;WANG Kai;YANG Nianshun

作者机构：大连理工大学辽宁省泛在网络与服务软件重点实验室 北京电子工程总体研究所复杂产品智能制造系统技术国家重点实验室 

出 版 物：《山西大学学报(自然科学版)》 (Journal of Shanxi University(Natural Science Edition))

年 卷 期：2022年第45卷第4期

页      面：894-901页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61672128) 中央高校基本科研业务费专项资金(DUT20TD107) 复杂产品智能制造系统技术国家重点实验室开放基金课题 

主　　题：知识表示学习 知识图谱 数值实体表示 产品指标预测 

摘      要：通过知识表示学习方法将产品和指标表示为低维分布式向量，为后续的产品指标补全和产品设计方案预测奠定基础。然而现有的知识表示学习方法只处理实体-关系之间的离散型关联，而对于数值型指标的研究尚属空白。为此，文章依托复杂产品指标图谱的实际业务需求，设计了产品数值型指标的表示学习策略。针对关系三元组和指标三元组的语义差异，探索全新的联合学习训练方案。文章在五个前沿知识表示学习算法上进行实验，其中基于依次学习训练方案的ConvE算法，在图谱链接预测任务上Hit@10指标达到了最优的90.27%。实验结果验证了本文数值型指标表示方法和联合训练方案的有效性。