-
公开(公告)号：CN108197290B
公开(公告)日：2021-08-03
申请号：CN201810053803.1
申请日：2018-01-19
Applicant: 桂林电子科技大学
IPC: G06F16/36
Abstract: 本发明公开一种融合实体和关系描述的知识图谱表示学习方法，考虑了实体与关系的文本描述信息，很好地融合了三元组的结构化信息与文本描述信息两大信息源，通过基于神经网络的端到端模型对实体和关系联合抽取，设置一个平衡因子来平衡结构化信息和文本描述信息，并根据预测对象的不同定义不同的得分函数；然后利用损失函数把实体向量和关系向量关联起来，并优化该损失函数，当达到优化目标时，就可以学得知识图谱及文本描述信息中每个实体的向量和关系的向量。本发明解决了知识库中实体和关系的稀疏性和不平衡性，更精确有效地表示实体和关系及其之间的相互联系，并将其应用于大规模知识图谱中，具有较好的实用性。
-
公开(公告)号：CN108052683A
公开(公告)日：2018-05-18
申请号：CN201810058745.1
申请日：2018-01-22
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于余弦度量规则的知识图谱表示学习方法，首先将知识图谱中的实体与关系随机嵌入到两个向量空间；其次利用候选实体统计规则，统计相关关系对应的三元组集与候选实体向量集；再次利用余弦相似度构造目标向量与候选实体的评分函数，对候选实体进行评价；最后利用损失函数将所有相关关系的候选实体向量与目标向量进行统一训练，并通过随机梯度下降算法最小化损失函数。当达到优化目标时，即可获得知识图谱中每个实体向量和关系向量的最佳表示，从而更好的表示实体与关系之间的联系，并能够很好的应用于大规模的知识图谱补全当中。
-
公开(公告)号：CN108959472B
公开(公告)日：2021-11-19
申请号：CN201810639360.4
申请日：2018-06-20
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于多步关系路径的知识图谱表示学习方法，其考虑了关系路径被准确表示的必要性，利用长短时记忆网络结构对关系路径中的多个关系进行依次迭代组合操作，很好地表示了实体对之间的直接关系和路径关系的相互关联，丰富了实体对之间的语义信息。采用改进的路径约束分配资源算法，计算实体对之间每条路径的可靠性，利用计算得到的可靠性根据阈值滤除不可靠的路径，从而得到可靠的关系路径，使头实体到尾实体的可达性计算更详尽准确。本发明解决现有技术对于关系路径建模相对粗糙使路径长度受限无法很好反应实体对之间复杂语义信息的问题，具有良好的可扩展性。
-
公开(公告)号：CN109146078B
公开(公告)日：2021-04-30
申请号：CN201810796671.1
申请日：2018-07-19
Applicant: 桂林电子科技大学
IPC: G06N5/02
Abstract: 本发明公开一种基于动态路径的知识图谱表示学习方法，以翻译模型为基础，考虑了结构三元组(实体，关系，实体)和(实体，路径，实体)的语义信息，当(h，t)存在时，在路径的表示过程中，给其添加一个动态因子α向量。即在训练过程中，每一个多步关系组合而成的路径向量向着与直接关系极为相近的目标优化，那么只要其在一定范围内都将被视为表示了其语义信息而不必必须与给定的向量严格相等。本发明解决现有技术对复杂关系类型事实间的多个直接关系和多个路径无法有效区分的问题，具有良好的实用性。
-
公开(公告)号：CN107590139A
公开(公告)日：2018-01-16
申请号：CN201710856687.2
申请日：2017-09-21
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于循环矩阵翻译的知识图谱表示学习方法，首先利用随机生成方法对错误三元组进行生成，并将所有实体与关系分别嵌入不同空间；其次利用循环矩阵生成规则，生成循环矩阵对实体进行投影；再次通过评分函数对三元组的嵌入进行评价；最后利用两种不同损失函数将实体和关系关联起来，并使用SGD算法最小化损失函数，当达到优化目标时，即可获得知识图谱中每个实体向量和关系向量的最佳表示，从而更好的表示实体与关系之间的联系，并能够很好的应用于大规模的知识图谱补全当中。本发明具有较强可行性和良好的实用性。
-
Patent Agency Ranking
公开(公告)号：CN108052683B
公开(公告)日：2021-08-03
申请号：CN201810058745.1
申请日：2018-01-22
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于余弦度量规则的知识图谱表示学习方法，首先将知识图谱中的实体与关系随机嵌入到两个向量空间；其次利用候选实体统计规则，统计相关关系对应的三元组集与候选实体向量集；再次利用余弦相似度构造目标向量与候选实体的评分函数，对候选实体进行评价；最后利用损失函数将所有相关关系的候选实体向量与目标向量进行统一训练，并通过随机梯度下降算法最小化损失函数。当达到优化目标时，即可获得知识图谱中每个实体向量和关系向量的最佳表示，从而更好的表示实体与关系之间的联系，并能够很好的应用于大规模的知识图谱补全当中。
-
公开(公告)号：CN107590139B
公开(公告)日：2020-10-27
申请号：CN201710856687.2
申请日：2017-09-21
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于循环矩阵翻译的知识图谱表示学习方法，首先利用随机生成方法对错误三元组进行生成，并将所有实体与关系分别嵌入不同空间；其次利用循环矩阵生成规则，生成循环矩阵对实体进行投影；再次通过评分函数对三元组的嵌入进行评价；最后利用两种不同损失函数将实体和关系关联起来，并使用SGD算法最小化损失函数，当达到优化目标时，即可获得知识图谱中每个实体向量和关系向量的最佳表示，从而更好的表示实体与关系之间的联系，并能够很好的应用于大规模的知识图谱补全当中。本发明具有较强可行性和良好的实用性。
-
公开(公告)号：CN109146078A
公开(公告)日：2019-01-04
申请号：CN201810796671.1
申请日：2018-07-19
Applicant: 桂林电子科技大学
IPC: G06N5/02
Abstract: 本发明公开一种基于动态路径的知识图谱表示学习方法，以翻译模型为基础，考虑了结构三元组(实体，关系，实体)和(实体，路径，实体)的语义信息，当(h，t)存在时，在路径的表示过程中，给其添加一个动态因子α向量。即在训练过程中，每一个多步关系组合而成的路径向量向着与直接关系极为相近的目标优化，那么只要其在一定范围内都将被视为表示了其语义信息而不必必须与给定的向量严格相等。本发明解决现有技术对复杂关系类型事实间的多个直接关系和多个路径无法有效区分的问题，具有良好的实用性。
-
公开(公告)号：CN108959472A
公开(公告)日：2018-12-07
申请号：CN201810639360.4
申请日：2018-06-20
Applicant: 桂林电子科技大学
IPC: G06F17/30
Abstract: 本发明公开一种基于多步关系路径的知识图谱表示学习方法，其考虑了关系路径被准确表示的必要性，利用长短时记忆网络结构对关系路径中的多个关系进行依次迭代组合操作，很好地表示了实体对之间的直接关系和路径关系的相互关联，丰富了实体对之间的语义信息。采用改进的路径约束分配资源算法，计算实体对之间每条路径的可靠性，利用计算得到的可靠性根据阈值滤除不可靠的路径，从而得到可靠的关系路径，使头实体到尾实体的可达性计算更详尽准确。本发明解决现有技术对于关系路径建模相对粗糙使路径长度受限无法很好反应实体对之间复杂语义信息的问题，具有良好的可扩展性。
-
公开(公告)号：CN108197290A
公开(公告)日：2018-06-22
申请号：CN201810053803.1
申请日：2018-01-19
Applicant: 桂林电子科技大学
IPC: G06F17/30
Abstract: 本发明公开一种融合实体和关系描述的知识图谱表示学习方法，考虑了实体与关系的文本描述信息，很好地融合了三元组的结构化信息与文本描述信息两大信息源，通过基于神经网络的端到端模型对实体和关系联合抽取，设置一个平衡因子来平衡结构化信息和文本描述信息，并根据预测对象的不同定义不同的得分函数；然后利用损失函数把实体向量和关系向量关联起来，并优化该损失函数，当达到优化目标时，就可以学得知识图谱及文本描述信息中每个实体的向量和关系的向量。本发明解决了知识库中实体和关系的稀疏性和不平衡性，更精确有效地表示实体和关系及其之间的相互联系，并将其应用于大规模知识图谱中，具有较好的实用性。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.026 seconds)
