自從語(yǔ)義網(wǎng)的概念提出以來(lái),越來(lái)越多的開(kāi)放鏈接數(shù)據(jù)和用戶(hù)生成內(nèi)容被發(fā)布于互聯(lián)網(wǎng)中,這使得Web數(shù)據(jù)呈現(xiàn)出結(jié)構(gòu)松散化、內(nèi)容碎片化、語(yǔ)義復(fù)雜化等特征,已不能滿(mǎn)足人們對(duì)信息快速、準(zhǔn)確定位的需求。在結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化的Web數(shù)據(jù)規(guī)模呈指數(shù)型增長(zhǎng)的環(huán)境下,知識(shí)圖譜為信息的高效處理提供了智能化的解決方案。知識(shí)圖譜在實(shí)體層面對(duì)本體進(jìn)行了豐富和擴(kuò)充,因而可被用于描述現(xiàn)實(shí)世界的實(shí)體及它們之間的語(yǔ)義關(guān)系,有助于人與機(jī)器更好的進(jìn)行信息理解與交互操作,同時(shí)為人工智能技術(shù)的發(fā)展提供了重要的數(shù)據(jù)支撐。然而,除去Web數(shù)據(jù)規(guī)模的增長(zhǎng),Web數(shù)據(jù)的高速動(dòng)態(tài)化也給知識(shí)圖譜的更新帶來(lái)了嚴(yán)峻挑戰(zhàn)。例如,在知識(shí)圖譜規(guī)模的擴(kuò)張過(guò)程中,只能使用顯式關(guān)系將結(jié)構(gòu)化的知識(shí)以網(wǎng)絡(luò)的形式進(jìn)行組織,使得知識(shí)圖譜實(shí)體間的潛在關(guān)系未得到充分挖掘。同時(shí),知識(shí)圖譜更新明顯滯后于Web數(shù)據(jù)變化速度,使語(yǔ)義搜索的準(zhǔn)確度、時(shí)效性受到了影響。本文在學(xué)習(xí)與分析知識(shí)圖譜補(bǔ)全相關(guān)理論技術(shù)的基礎(chǔ)上,從知識(shí)表示學(xué)習(xí)、知識(shí)圖譜推理角度開(kāi)展研究,旨在優(yōu)化語(yǔ)義搜索系統(tǒng)的性能,提供高效、快速、準(zhǔn)確的查詢(xún)服務(wù)。第一,提出一種基于知識(shí)圖譜語(yǔ)義張量的知識(shí)表示學(xué)習(xí)算法,以“R...

【文章頁(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1：知識(shí)圖譜實(shí)現(xiàn)的技術(shù)流程示意圖

圖2.4知識(shí)圖譜可視化展現(xiàn)形式

西安郵電大學(xué)碩士學(xué)位論文幫助人們理解與分析數(shù)據(jù)。知識(shí)可視化用來(lái)傳達(dá)和表示復(fù)雜知識(shí)的目標(biāo)是進(jìn)行知識(shí)的傳輸，幫助用戶(hù)正確重構(gòu)、記憶和應(yīng)用知識(shí)[49]知識(shí)圖譜常用的可視化展現(xiàn)形式，包括概念層次圖、思維導(dǎo)圖、認(rèn)絡(luò)，如圖2.4所示。(a)概念層次圖(b)思維導(dǎo)圖

圖4.4算法準(zhǔn)確率-召回率曲線橫向比較結(jié)果

n=30，Y根據(jù)不同數(shù)據(jù)集賦初始值，0G由Neo4j，將四種算法進(jìn)行橫向?qū)Ρ葴y(cè)試，結(jié)果如圖4.3、圖4.4所示。圖4.3算法運(yùn)行總時(shí)間

圖4.3算法運(yùn)行總時(shí)間

錁?shù)?磽瓿傷?腥??閗更新G是是否否時(shí)鐘同步器圖4.2基于貝葉斯推理的潛在因子發(fā)現(xiàn)算法流程圖4.3實(shí)驗(yàn)分析4.3.1實(shí)驗(yàn)環(huán)境及數(shù)據(jù)本實(shí)驗(yàn)平臺(tái)的硬件環(huán)境為Intel(R)Core(TM)i3-4160CPU@3.60GHz處理器，8GB物理內(nèi)存；軟件環(huán)境是....

本文編號(hào)：3930244