检索结果-南通市图书馆

中国科学：信息科学 2022年第11期52卷 2037-2057页

作者：罗妹秋张春霞彭成张鑫郭贵锁牛振东北京理工大学计算机学院北京100081

知识图谱补全是知识图谱构建、自然语言处理和知识工程等领域的重要研究课题.知识图谱不仅是实现通用领域和专业领域精准知识服务的知识支撑,而且是信息检索、问答交互和信息推荐等领域取得突破性进展的必要基础.知识图谱的低质量和小... 详细信息

知识图谱补全是知识图谱构建、自然语言处理和知识工程等领域的重要研究课题.知识图谱不仅是实现通用领域和专业领域精准知识服务的知识支撑,而且是信息检索、问答交互和信息推荐等领域取得突破性进展的必要基础.知识图谱的低质量和小规模是阻碍知识图谱广泛应用的主要瓶颈.知识图谱补全的目的是构建大规模高质量的知识图谱,以不断更新和扩充知识图谱.针对现有知识图谱补全方法难以从非结构化文本等辅助信息中提取深层次语义特征的问题,本文提出一种基于解析图嵌入和加权图卷积网络的知识图谱补全方法.一方面,该方法通过加权图卷积网络,对实体描述文本的语义依存分析进行建模,构建语义依存解析图嵌入;另一方面,引入了实体描述文本的多粒度句嵌入生成方法,旨在于构建能够捕获多粒度语义、深层次语义特征的实体表示学习.通过在两个公开数据集上的实验结果表明了本文知识图谱补全方法优于现有方法,验证了本文方法的有效性和优越性.

关键词：知识图谱补全解析图嵌入加权图卷积网络语义依存分析实体表示学习

来源：

维普期刊数据库

同方期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于加权图神经网络的文本分类方法研究

基于加权图神经网络的文本分类方法研究

引用

作者：姜亚男山西大学

学位级别：硕士

随着移动互联网和大数据技术的快速发展，自然语言已经成为人们获取信息的主要载体，被应用到了各种场合。文本分类作为自然语言处理的任务之一，受到了人们越来越多的关注。传统的文本分类方法或基于深度学习的文本分类方法都假设文本... 详细信息

随着移动互联网和大数据技术的快速发展，自然语言已经成为人们获取信息的主要载体，被应用到了各种场合。文本分类作为自然语言处理的任务之一，受到了人们越来越多的关注。传统的文本分类方法或基于深度学习的文本分类方法都假设文本之间是没有关系的，没有考虑文本与文本、以及文本内句子与单词之间的关系，因此不能更好的表征文本信息，从而提高其分类性能。图神经网络直接作用于图数据，将它的特征作为模型的输入，实现图数据端到端的学习，能够更好的探索文本间、文本内部所蕴含的信息。基于此，本文从图神经网络出发，对文本分类进行研究。　　首先，本文基于网络拓扑结构，提出了加权图卷积网络模型，并将其应用于文本分类中。图卷积网络主要利用邻居节点的特征信息进行聚合，从而定义其卷积算子。然而，目前的图卷积网络在对邻居节点进行信息聚合的时候，没有从网络拓扑结构的角度来区分不同邻居节点的重要性。所以，为了区分不同邻居节点在中心节点中的重要程度，本文从节点的度和节点在网络中的效率出发，构造了节点重要度矩阵，同时引入自适应系数，使得在图卷积操作过程中，能够对邻居节点的权重分配不同，更多的关注重要邻居节点的特征信息。在实验部分，本文采用图神经网络的基准数据集——引文网络数据集，将提出的方法与包括图卷积网络方法的几种基线进行比较。结果表明，在Cora数据集上准确率提升了1.6%;Citeseer数据集上准确率提升了1.9%。说明本文提出的基于拓扑结构的加权图卷积网络模型在文本分类准确率上优于图卷积网络模型，取得了较好的效果。　　其次，提出了基于异构图的图注意力网络文本分类模型。文本是由句子构成的，所以句子的结构信息能帮助对文本内容的理解，但是现有的预训练模型缺少对句子结构信息的建模。因此本文为每一篇文本构建了异构图，考虑了三种异构节点：词节点、句节点、主节点（文本），基于RoBERTa预训练模型获取初始表示向量，并用多层图注意力网络来提取其结构信息，使得可以捕获文本中潜在的语义信息，还可以更好的表征文本。在实验部分，本文选取了两个数据集进行实验，结果表明，在所用数据集上本文提出的模型比只用预训练模型的分类和传统深度学习的文本分类取得的效果更好。

关键词：文本分类加权图卷积网络预训练模型深度学习

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于节点度与效率的加权卷积神经网络构建

引用

评价与管理 2024年第1期22卷 108-108页

作者：牛奉高姜亚男张翠云山西大学数学科学学院中国太原

在图卷积网络的研究中,节点的信息聚合对于下游任务至关重要。然而,目前的图卷积网络在对邻近节点进行消息聚合时,没有从网络拓扑结构的角度来区分不同邻近节点的重要性。本文基于网络拓扑结构,提出了一种基于网络节点度和效率的加权图... 详细信息

在图卷积网络的研究中,节点的信息聚合对于下游任务至关重要。然而,目前的图卷积网络在对邻近节点进行消息聚合时,没有从网络拓扑结构的角度来区分不同邻近节点的重要性。本文基于网络拓扑结构,提出了一种基于网络节点度和效率的加权图卷积网络(W-CCN)模型。为了区分节点的重要性,本文没有采用通常图卷积网络用邻接矩阵计算得到的归一化对称拉普拉斯矩阵,而是利用网络中节点的度和效率来重新构建节点的重要性矩阵,从而在图卷积的运算过程中分别给相邻节点分配权值。在实验部分,我们通过几个真实的基准数据集(Cora、CiteSeer和PubMed)对所提出的方法进行了检验,并与以往图卷积网络方法进行了比较。实验结果表明,本文提出的W-GCN模型在预测精度上优于图卷积网络模型,取得了较好的结果。

关键词：图卷积网络网络效率加权图卷积网络文本分类

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：