检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于实体知识推理的端到端任务型对话

建模与仿真 2024年第3期13卷 3212-3221页

作者：马德草杨桂松上海理工大学光电信息与计算机工程学院上海

端到端任务型对话系统通过人机对话的方式来完成特定的任务以满足人类的需求,为了促进响应生成和实体预测,提出了一种基于实体知识推理的端到端任务型对话系统。该系统利用标记着对话历史实体信息的实体掩码,从对话历史编码中提取实体信... 详细信息

端到端任务型对话系统通过人机对话的方式来完成特定的任务以满足人类的需求,为了促进响应生成和实体预测,提出了一种基于实体知识推理的端到端任务型对话系统。该系统利用标记着对话历史实体信息的实体掩码,从对话历史编码中提取实体信息,并根据对话上下文推理出相关的实体信息以丰富当前上下文的实体知识;同时利用候选实体的正负样本与响应生成器的交叉注意力结合进行对比训练,将响应生成模型中的实体预测信号直接反馈给编码器以增强监督学习的能力;最终通过联合学习提高了模型的响应生成和实体预测能力。实验结果表明,在SMD、Multi-WOZ 2.1和CamRest数据集上,提出的模型能够生成丰富的响应内容,有着精准的实体预测准确率,并且验证了模型的有效性与实用性。

关键词：端到端任务型对话实体预测响应生成联合学习

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

基于多关系循环事件的动态知识图谱推理

模式识别与人工智能 2020年第4期33卷 337-343页

作者：陈浩李永强冯远静浙江工业大学信息工程学院杭州310023

针对现有动态知识图谱推理方法大多存在同时间多关系下推理能力有限的问题,文中提出基于多关系循环事件的动态知识图谱推理方法.利用改进的多关系邻近聚合器融合目标实体邻域信息,获得更准确的实体邻域向量表示,并通过优化信息融合简化... 详细信息

针对现有动态知识图谱推理方法大多存在同时间多关系下推理能力有限的问题,文中提出基于多关系循环事件的动态知识图谱推理方法.利用改进的多关系邻近聚合器融合目标实体邻域信息,获得更准确的实体邻域向量表示,并通过优化信息融合简化文中方法.同时加入关系预测任务,扩大处理特定范围内两个实体间关系冲突的能力.在大型真实数据集上的实体预测和关系预测的实验表明,文中方法有效提升动态知识图谱的推理能力.

关键词：动态知识图谱多关系邻近聚合器实体邻域实体预测关系预测

在线全文

学校读者我要写书评

暂无评论

结合类型感知注意力的少样本知识图谱补全

数据分析与知识发现 2023年第9期7卷 51-63页

作者：普祥和王红斌线岩团昆明理工大学信息工程与自动化学院昆明650500 昆明理工大学云南省人工智能重点实验室昆明650500 昆明理工大学云南省计算机技术应用重点实验室昆明650500

【目的】现有少样本知识图谱补全方法在处理复杂关系时不能很好地区分邻居重要性,导致实体预测性能不佳。考虑充分利用实体邻居信息,提高少样本知识图谱补全方法的性能。【方法】通过类型感知邻居编码器学习实体邻居中包含的隐含类型信... 详细信息

【目的】现有少样本知识图谱补全方法在处理复杂关系时不能很好地区分邻居重要性,导致实体预测性能不佳。考虑充分利用实体邻居信息,提高少样本知识图谱补全方法的性能。【方法】通过类型感知邻居编码器学习实体邻居中包含的隐含类型信息,得到类型感知注意力,增强实体表示;利用Transformer编码器捕获任务关系的不同含义;通过联合匹配原型网络聚合参考集得到参考集表示并进行实体预测。【结果】在NELL和Wiki两个公共数据集上进行实体预测任务,实验结果表明,MRR指标分别较Baseline方法提高了1.6和1.2个百分点。【局限】未对与实体相关性较低的邻居进行筛选,使类型感知注意力权重的分配受到噪声影响。【结论】本文方法能够通过学习更丰富的实体邻居信息来有效提高少样本知识图谱补全的性能。

关键词：少样本知识图谱补全实体预测类型感知注意力

结合静态事实和重复历史事实的动态知识图谱推理方法

在线全文

学校读者我要写书评

暂无评论

浙江大学学报:工学版 2023年第10期57卷 1915-1922页

作者：林栋李永强仇翔冯远静谢碧峰浙江工业大学信息工程学院浙江杭州310012 杭州峰景科技有限公司浙江杭州310000

针对现有的动态知识图谱推理方法容易忽略动态知识图谱中存在着大量静态信息和重复历史事实的问题,提出结合静态事实和重复历史事实的动态知识图谱网络方法.该方法利用动态知识图谱中实体间隐藏的静态联系来构成静态事实,并协助动态知... 详细信息

针对现有的动态知识图谱推理方法容易忽略动态知识图谱中存在着大量静态信息和重复历史事实的问题,提出结合静态事实和重复历史事实的动态知识图谱网络方法.该方法利用动态知识图谱中实体间隐藏的静态联系来构成静态事实,并协助动态知识图谱推理;利用历史事实构建历史词表,在预测未来时对历史词表进行查询;对历史中未发生的事实进行惩罚,提高重复历史事实的预测概率.在2个公开的数据集上进行动态知识图谱推理实验,对比实验时选用目前主流的5个模型作为基线.在实体预测实验中,平均倒数排名(MRR)达到0.4891和0.5303,Hits@10达到0.5887和0.6165,证明了所提方法的有效性.

关键词：动态知识图谱静态事实重复历史事实历史惩罚实体预测

在线全文

学校读者我要写书评

暂无评论

基于实体类型与路径信息的知识表示学习研究

基于实体类型与路径信息的知识表示学习研究

作者：车鹤飞西安电子科技大学

学位级别：硕士

随着知识图谱在学术界和工业界的广泛研究和普遍应用,完善与更新知识图谱数据,提升知识图谱质量成为亟不可待的任务,知识表示学习作为知识图谱补全重要的上游技术越来越受到人们的关注。知识表示学习的目标是将知识图中实体和关系嵌入... 详细信息

随着知识图谱在学术界和工业界的广泛研究和普遍应用,完善与更新知识图谱数据,提升知识图谱质量成为亟不可待的任务,知识表示学习作为知识图谱补全重要的上游技术越来越受到人们的关注。知识表示学习的目标是将知识图中实体和关系嵌入到向量空间中,使它们的语义关联以可计算的形式更好地表达。知识表示学习广泛应用于实体/关系预测与补全等场景。大多数知识表示学习模型基于图结构本身的实体/关系信息,如翻译模型、卷积/图神经网络模型等。一些已开发的模型还使用了补充的附加信息,如TKRL中的实体类型和PTrans E中的多步路径等。然而,这些模型也有各自的局限。例如,面对复杂的关系类型,嵌入的近似向量分布模糊;基于卷积/图神经网络的模型不能预测关系;关系/实体预测的准确性不够;当数据稀疏时,知识图谱补全质量下降等。针对以上问题,本文提出了集成实体和关系附加信息的知识表示学习方法(Integrating Entity and Relation Additional Information for Knowledge Representation Learning,简称IERAI)、融合实体类型和关系路径的知识表示学习研究(Integrating Entity Type and Relation Path Information for Knowledge Representation Learning,简称TP-KRL)和基于间接关系路径投影的知识表示学习方法(Indirect Relation based Path Projection,简称IRPP),在一定程度上解决了已有的知识表示学习方法存在的问题。本文主要研究工作如下:(1)为了同步提高关系和实体向量嵌入的质量,本文提出了集成实体和关系附加信息的知识表示学习方法IERAI。我们首先通过计算间接关系路径和直接关系的共现概率的大小对候选路径进行排序来过滤有效路径信息,接着利用直接关系选择实体类型信息,再对多源信息进行建模并联合训练。类型信息的融合可以减少实体表示的歧义,同时,有效的间接关系可以提高关系表示的精度。在FB15K和FB15K-1855(添加低频关系)数据集上的实验结果表明,IERAI能够有效提高实体与关系预测的质量,多种附加信息的融合一定程度上弥补了数据稀疏时嵌入不准确的问题。(2)提出了融合实体类型和关系路径的知识表示学习研究TP-KRL。基于对IERAI模型的进一步研究,我们发现除了直接关系,路径中的间接关系同样会对头尾实体的类型信息进行限制,并且在某些场景下,直接关系也无法确切选择实体对应的正确类型,此时只有路径中的间接关系可以确定。两步关系路径中的第一步关系会和直接关系共同限定头实体类型信息,第二步关系会和直接关系共同限定尾实体类型信息。于是我们进一步提出融合实体类型和关系路径的知识表示学习算法TP-KRL,在三元组缺失部分预测实验上的结果证明,TP-KRL对实体表示和关系表示的效果均有提升。(3)为了进一步利用关系路径的附加语义,本文提出了一种新的关系路径投影模型IRPP。我们对直接关系和关系路径均设置不同的投影空间,为降低算法复杂度,直接关系映射矩阵由向量乘法构建,关系路径空间的映射矩阵由多个直接关系映射矩阵组合得到。我们将每个实体投影到直接关系和间接关系路径的潜在空间中,利用平移近似原则构建联合得分函数和损失函数,在训练中学习实体与关系的分布式表示。实验结果证明IRPP有助于知识图谱的补全与推理。

关键词：知识图谱知识表示学习实体类型关系路径实体预测关系预测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于实体感知的医疗对话生成算法研究

基于实体感知的医疗对话生成算法研究

作者：熊龙祥北京交通大学

学位级别：硕士

近年来,医疗对话系统在学术界和工业界受到广泛关注。本论文研究医疗对话系统的子任务医疗对话生成技术,旨在提高系统性能,优化医患体验。现有研究通常引入实体概念表示专业词汇,并引入实体预测和实体感知的对话生成框架以提高自然性和... 详细信息

近年来,医疗对话系统在学术界和工业界受到广泛关注。本论文研究医疗对话系统的子任务医疗对话生成技术,旨在提高系统性能,优化医患体验。现有研究通常引入实体概念表示专业词汇,并引入实体预测和实体感知的对话生成框架以提高自然性和可靠性,但现有方案存在以下局限性:(1)实体预测模型通过知识图谱引入的实体间关系不足,且容易引入大量噪声,且模型未能充分利用对话上下文关系。(2)在生成对话时未充分发挥实体作用,导致信息损失严重。为了解决上述问题,本论文基于真实医疗对话数据集,针对性的设计了独特的知识图谱引入、实体预测和增强的对话生成算法,具体贡献如下:(1)知识图谱引入和实体预测算法:首先,利用Word2Vec学习实体表征之间的相关性,以增强图谱中疾病及其它实体之间的相关性,去掉图谱中不重要的边,减少与对话无关的图谱内容的干扰。其次,改进了现有的GEML实体预测模型,增加了第一层图注意力网络用以捕捉句子之间的关系,并在第二层图注意力网络中引入了整个对话的信息。实验表明:上述两个方法有效地改进了实体预测的准确率。相对于现有算法,F1 Score提高了22.4%。(2)实体增强的对话生成模型:首先,提出了一种实体和对应句子相互重构的预训练方式来增强实体的作用。然后,生成对话时使用时序模型来捕捉实体和对应类别在对话过程中出现的规律,并使用注意力机制来关注重要信息,在与历史对话信息融合后得到实体增强的对话生成模型。实验表明:上述两个方法使生成的对话在自然性和可靠性上都有提高。相比于现有模型,在BLEU-1和BLEU-2上分别提升63%和100%,在Distinct-1和Distinct-2上分别提升71%和129%。本文最后介绍上述模型在景区流量预测中的应用。研究发现:实体预测模型的核心是利用实体之间的关系及它们与对话上下文关系(这些关系可以用图模型来描述)来进行预测,与景区流量预测相通。因此,本文提出关系增强的景点流量预测。具体来说,在利用景点历史流量的相关性和因果性进行建图之后,充分利用景点间关系及其流量时间依赖性,以准确预测景点流量,解决现有方法难以描述不相邻景点间的相关性及数据稀疏的问题。在真实数据集上的实验结果表明,本文提出的算法比现有算法获得了更高的流量预测准确性:相较基线方法,NRMSE改进了2.089%。本文提出的基于实体感知的医疗对话生成系统,有助于提升医疗对话生成的自然性和可靠性,具有广泛应用前景。图34幅,表7个,参考文献56篇。

关键词：医疗对话生成实体预测知识图谱

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于半边原理的知识图谱补全

计算机工程 2020年第11期46卷 84-89页

作者：程涛陈恒李冠宇大连海事大学信息科学技术学院辽宁大连116026 大连外国语大学语言智能研究中心辽宁大连116044

针对现有知识图谱补全算法耗时长和准确性差的问题,构建一种基于半边的多层卷积模型。通过引入半边原理,运用实体的描述信息和关系自身的特性,结合两者的语义相似度对关系所连接的头尾实体进行约束,组成半边,在此基础上使用卷积神经网... 详细信息

针对现有知识图谱补全算法耗时长和准确性差的问题,构建一种基于半边的多层卷积模型。通过引入半边原理,运用实体的描述信息和关系自身的特性,结合两者的语义相似度对关系所连接的头尾实体进行约束,组成半边,在此基础上使用卷积神经网络进行知识图谱补全。该模型将只含有一个实体和关系的不完全RDF三元组以半边的形式保存,便于补全扩充的知识图谱。实验结果表明,与TransE、DKRL等模型相比,该模型具有较优的实体和关系预测性能,同时能有效缩短运行时间。

关键词：半边原理卷积神经网络知识图谱补全实体预测关系预测

在线全文

学校读者我要写书评

暂无评论

结合谓词感知与图注意力机制的链接预测方法

计算机应用研究 2021年第7期38卷 2091-2095,2102页

作者：马力姚伟凡西安邮电大学计算机学院西安710121

知识图谱补全旨在预测三元组中缺失的部分使知识图谱趋于完整。针对基于神经网络等模型的链接预测方法忽略了实体间的关联信息,导致模型不能覆盖三元组周围局部邻域中固有的隐藏信息,提出图注意力机制与谓词感知结合的方法。首先,利用... 详细信息

知识图谱补全旨在预测三元组中缺失的部分使知识图谱趋于完整。针对基于神经网络等模型的链接预测方法忽略了实体间的关联信息,导致模型不能覆盖三元组周围局部邻域中固有的隐藏信息,提出图注意力机制与谓词感知结合的方法。首先,利用图注意力机制定义了一个关系嵌入矩阵,描述任意给定实体邻域内实体间的关系;其次,引入谓词增强实体间语义理解程度,构造了基于谓词嵌入向量的注意力值计算公式,以便有效地度量实体间语义联系的强度;此外,利用实体邻居间的边关系预测多跳实体间的直接关系以补全知识图谱。在数据集WN18RR、Kinship、FB15K的实验结果表明了该方法能有效提高三元组的预测精度。

关键词：知识图谱补全图注意力机制谓词感知链接预测实体预测

在线全文

学校读者我要写书评

暂无评论

面向高铁运维领域的知识图谱补全算法研究

面向高铁运维领域的知识图谱补全算法研究

作者：王骜涵北京交通大学

学位级别：硕士

目前通用领域的知识图谱(Knowledge Graph,KG)较为普及,但特定领域的知识图谱还需要不断发展,如高铁运维领域知识图谱能够为预防、应急、事后处理工作提供丰富的信息和技术支撑,前景广阔。知识图谱补全(Knowledge Graph Completion,KGC... 详细信息

目前通用领域的知识图谱(Knowledge Graph,KG)较为普及,但特定领域的知识图谱还需要不断发展,如高铁运维领域知识图谱能够为预防、应急、事后处理工作提供丰富的信息和技术支撑,前景广阔。知识图谱补全(Knowledge Graph Completion,KGC)技术对于高铁运维领域知识图谱的自动构建和验证是必要的,它是发现新知识的重要手段,广泛应用于知识图谱的高级任务。但目前针对高铁运维领域知识图谱补全的研究内容较少,将现有模型用于中文领域图谱补全工作还存在许多问题:(1)基于翻译的平移距离模型虽具有较强的可解释性,操作简单并且参数较少等优点,但会导致低质量的学习嵌入向量;(2)基于CNN的模型在一定程度上提升了翻译模型的性能,但其参数过多使得模型复杂性增加,对于大规模知识图谱来说可用性较差;(3)基于图神经网络结构的GNN模型虽从实体和实体附近的关系中聚合有效信息更新迭代中心实体的嵌入向量,但其具有显著缺点,即不区分关系的贡献重要程度,以固定参数学习不同关系信息。基于以上分析,本文针对现有模型的缺点提出一种基于实体关系交叉聚合的广义注意力补全模型,以高铁动车组关键部件牵引电机为例,研究中文领域下高铁运维中的知识补全问题,做出以下几个方面的改进和创新:(1)针对高铁运维领域数据信息较少问题,本文通过收集牵引电机故障信息构建了一个新的知识图谱数据集TMFD(具有牵引电机故障关系类型和修复策略的数据库),该数据集适用于高铁运维领域知识图谱相关研究。(2)本文提出新型关系消息传递机制,在知识图谱上轮流传递实体节点和关系边之间的关系聚合信息,以实现在与沿实体节点传播信息相同的计算复杂度情况下,减少存储实体嵌入的数量,提高存储效率,更符合知识流动的自然性,可解释性加强。(3)本文提出一种基于实体关系交叉聚合的广义注意力补全模型(Generalized attention entity relation cross aggregation completion model,GERCA),对给定中心实体增加了两种邻域拓扑:1)以实体的局部关系子图来表示实体本身,捕获实体更多邻域信息形成关系上下文信息;2)通过关系路径信息确定预测实体在知识图谱中的相对位置,解决关系类型在图谱上分布不均匀,而在空间上彼此相关的问题。经实验验证了GERCA在公开数据集与领域数据集上的先进性。

关键词：知识图谱知识图谱补全实体预测关系预测深度学习