隨著信息技術(shù)的進(jìn)步,特別是人工智能技術(shù)的發(fā)展,人們?cè)谌f(wàn)維網(wǎng)上發(fā)布了包含大規(guī)模數(shù)據(jù)的知識(shí)圖譜,為知識(shí)互聯(lián)、為智能問(wèn)答和語(yǔ)義搜索等諸多人工智能應(yīng)用提供支撐。知識(shí)圖譜從邏輯上分成數(shù)據(jù)層和模式層,其中數(shù)據(jù)層主要描述現(xiàn)實(shí)世界的事實(shí)性知識(shí),而模式層主要由公理組成,目的是管理和組織數(shù)據(jù)層知識(shí)。模式層知識(shí)一般也被稱(chēng)為本體知識(shí)。由于百科類(lèi)網(wǎng)站的半結(jié)構(gòu)化數(shù)據(jù)中缺少模式信息,導(dǎo)致公開(kāi)的知識(shí)圖譜中本體知識(shí)缺乏。本體的不完整將導(dǎo)致知識(shí)圖譜的一系列應(yīng)用無(wú)法實(shí)施。例如,對(duì)于缺乏本體的知識(shí)圖譜,邏輯推理機(jī)無(wú)法自動(dòng)化檢測(cè)知識(shí)圖譜中的邏輯錯(cuò)誤,而且也無(wú)法推理得到知識(shí)圖譜中隱含的事實(shí)。已有構(gòu)建知識(shí)圖譜本體知識(shí)的工作主要是利用統(tǒng)計(jì)的方法從事實(shí)性知識(shí)中獲取候選公理,這類(lèi)方法基于封閉世界假設(shè),將不在知識(shí)圖譜中的數(shù)據(jù)作為負(fù)例。這樣獲得的負(fù)例存在大量的噪聲,從而較大地影響到構(gòu)建本體的質(zhì)量。因此,本文提出開(kāi)放世界假設(shè)下構(gòu)建本體的解決方案,主要分為三個(gè)部分:知識(shí)圖譜數(shù)據(jù)層事實(shí)的補(bǔ)全,基于關(guān)聯(lián)規(guī)則挖掘的的本體構(gòu)建和本體補(bǔ)全。本文首先對(duì)知識(shí)圖譜的數(shù)據(jù)層進(jìn)行知識(shí)補(bǔ)全,從而減少對(duì)公理置信度的有偏估計(jì)。目前,知識(shí)圖譜表示學(xué)習(xí)模型在知識(shí)圖譜數(shù)據(jù)層事... 

【文章來(lái)源】：東南大學(xué)江蘇省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：104 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景
    1.2 研究現(xiàn)狀
        1.2.1 本體構(gòu)建
        1.2.2 知識(shí)圖譜表示學(xué)習(xí)
        1.2.3 研究現(xiàn)狀總結(jié)
    1.3 選題依據(jù)
    1.4 本文工作
        1.4.1 研究?jī)?nèi)容
        1.4.2 主要貢獻(xiàn)
    1.5 論文結(jié)構(gòu)
第二章 背景知識(shí)
    2.1 知識(shí)圖譜概述
    2.2 術(shù)語(yǔ)定義
        2.2.1 本體
        2.2.2 知識(shí)圖譜表示學(xué)習(xí)
        2.2.3 三元組上下文
        2.2.4 關(guān)聯(lián)規(guī)則挖掘
        2.2.5 類(lèi)型推斷
    2.3 評(píng)測(cè)指標(biāo)
    2.4 本章小結(jié)
第三章 基于三元組上下文的知識(shí)圖譜事實(shí)性知識(shí)補(bǔ)全
    3.1 概述
    3.2 方法設(shè)計(jì)
        3.2.1 TCE模型
        3.2.2 訓(xùn)練TCE
        3.2.3 TCE的訓(xùn)練算法及復(fù)雜度分析
    3.3 實(shí)驗(yàn)分析
        3.3.1 數(shù)據(jù)集和參數(shù)設(shè)置
        3.3.2 實(shí)現(xiàn)細(xì)節(jié)
        3.3.3 鏈接預(yù)測(cè)
        3.3.4 鏈接預(yù)測(cè)結(jié)果與分析
    3.4 相關(guān)工作
        3.4.1 基于語(yǔ)義匹配的知識(shí)圖譜表示學(xué)習(xí)方法
        3.4.2 基于轉(zhuǎn)移距離的知識(shí)圖譜表示學(xué)習(xí)方法
        3.4.3 引入額外信息的表示學(xué)習(xí)方法
        3.4.4 引入文本的知識(shí)圖譜表示學(xué)習(xí)方法
        3.4.5 引入其他信息的知識(shí)圖譜表示學(xué)習(xí)方法
    3.5 本章小結(jié)
第四章 基于關(guān)聯(lián)規(guī)則挖掘的本體構(gòu)建方法
    4.1 概述
    4.2 方法設(shè)計(jì)
        4.2.1 詞匯獲取
        4.2.2 類(lèi)型推斷
        4.2.3 事務(wù)表構(gòu)建
        4.2.4 公理生成
        4.2.5 SIFS的關(guān)聯(lián)規(guī)則挖掘算法
        4.2.6 規(guī)則挖掘算法
    4.3 實(shí)驗(yàn)分析
        4.3.1 數(shù)據(jù)集
        4.3.2 參數(shù)設(shè)置
        4.3.3 對(duì)比方法
        4.3.4 實(shí)驗(yàn)結(jié)果
        4.3.5 SIFS-S對(duì)比SIFS-P
        4.3.6 SIFS-P對(duì)比Gold Miner
        4.3.7 SIFS-P對(duì)比Bel Net+
        4.3.8 通過(guò)挖掘得到的公理檢查不一致
        4.3.9 實(shí)驗(yàn)結(jié)果總結(jié)
    4.4 相關(guān)工作
    4.5 本章小結(jié)
第五章 基于雙語(yǔ)義空間的本體補(bǔ)全方法 #
    5.1 概述
    5.2 方法設(shè)計(jì)
        5.2.1 得分函數(shù)
        5.2.2 訓(xùn)練模型
    5.3 實(shí)驗(yàn)分析
        5.3.1 數(shù)據(jù)集
        5.3.2 實(shí)現(xiàn)細(xì)節(jié)
        5.3.3 鏈接預(yù)測(cè)
        5.3.4 傳遞性和對(duì)稱(chēng)性
        5.3.5 案例研究
        5.3.6 在開(kāi)放世界假設(shè)下本體構(gòu)建方法中各個(gè)步驟分析
    5.4 相關(guān)工作
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 論文總結(jié)
    6.2 工作展望
參考文獻(xiàn)
作者簡(jiǎn)介
致謝



本文編號(hào)：3241471