本文主要研究内容
作者杨晓慧（2019）在《图结构数据的表示学习算法研究与实现》一文中研究指出：物理、生物、社会和信息系统中的多种关系数据可以被建模为同质或异质的概念图,对图的有效建模可以促进图上研究与应用的发展。表示学习是人工智能领域的重要研究方向之一,在图像语义对齐、自然语言处理等相关领域具有核心基础地位。利用表示学习技术对图数据进行特征提取与表达,能更好地支持图的分析与应用。本文主要研究图结构数据的表示学习方法,即采用机器学习的方法,通过特征映射的方式,实现对实体和关系的语义信息提取与表示。通过对现有的图表示学习算法的设计思路与建模机制进行深入分析后,发现这些方法存在以下几个不足:第一,目前主流的相关工作忽略了目标对象的语义多样性,其所依赖的基本假设存在语义悖论,导致算法对实体和关系的语义分辨率低,在处理复杂关系类型时的准确率存在难以突破的瓶颈。第二,现有的工作无法对同质图与异质图进行统一建模,在特定领域下的表示学习方案无法实现应用迁移。第三,关系的非对称性在解决关系的语义多样性问题中扮演着重要角色,但现有的工作没有对关系的对称非对称特性进行深入分析与建模,算法性能不可避免的受到影响。本文针对上述问题进行研究,提出了相应的解决方案,主要贡献如下:1.通过调研与分析目前基于翻译假设的表示学习算法中存在的语义悖论问题,提出非线性嵌入的解决方案,利用堆叠神经网络对实体和关系的语义进行自编码,并通过数据的双向训练策略提高算法的准确率和召回率。实验结果表明,所提出的算法显著优于目前主流的相关工作。2.通过研究和发掘不同类型的复杂网络中节点间关联性的规律,提出了一种统一的图表示学习算法。从人类的逻辑推理思维模式建模角度入手,设计了一种基于Multi-shot的知识学习机制,据此提出了基于深度神经网络的广义图表示学习框架。实验证据对提出的建模思想的有效性形成了有力支持,表明所设计的知识表示学习框架能有效地应用于多种不同类型的网络环境下。3.综合考虑关系的对称非对称性对算法性能的影响,提出关系镜像的算法设计思路,并据此提出了一种利用循环神经网络对实体和关系进行语义组合编码,再利用深度神经网络进行语义解码的自编码模型,有效地解决了非对称关系的建模与表示学习问题。在公开数据集上的实验表明,所提出的算法在关系推理任务和多标签分类任务上的准确性和召回率等关键指标上优于相关工作。
Abstract
wu li 、sheng wu 、she hui he xin xi ji tong zhong de duo chong guan ji shu ju ke yi bei jian mo wei tong zhi huo yi zhi de gai nian tu ,dui tu de you xiao jian mo ke yi cu jin tu shang yan jiu yu ying yong de fa zhan 。biao shi xue xi shi ren gong zhi neng ling yu de chong yao yan jiu fang xiang zhi yi ,zai tu xiang yu yi dui ji 、zi ran yu yan chu li deng xiang guan ling yu ju you he xin ji chu de wei 。li yong biao shi xue xi ji shu dui tu shu ju jin hang te zheng di qu yu biao da ,neng geng hao de zhi chi tu de fen xi yu ying yong 。ben wen zhu yao yan jiu tu jie gou shu ju de biao shi xue xi fang fa ,ji cai yong ji qi xue xi de fang fa ,tong guo te zheng ying she de fang shi ,shi xian dui shi ti he guan ji de yu yi xin xi di qu yu biao shi 。tong guo dui xian you de tu biao shi xue xi suan fa de she ji sai lu yu jian mo ji zhi jin hang shen ru fen xi hou ,fa xian zhe xie fang fa cun zai yi xia ji ge bu zu :di yi ,mu qian zhu liu de xiang guan gong zuo hu lve le mu biao dui xiang de yu yi duo yang xing ,ji suo yi lai de ji ben jia she cun zai yu yi bei lun ,dao zhi suan fa dui shi ti he guan ji de yu yi fen bian lv di ,zai chu li fu za guan ji lei xing shi de zhun que lv cun zai nan yi tu po de ping geng 。di er ,xian you de gong zuo mo fa dui tong zhi tu yu yi zhi tu jin hang tong yi jian mo ,zai te ding ling yu xia de biao shi xue xi fang an mo fa shi xian ying yong qian yi 。di san ,guan ji de fei dui chen xing zai jie jue guan ji de yu yi duo yang xing wen ti zhong ban yan zhao chong yao jiao se ,dan xian you de gong zuo mei you dui guan ji de dui chen fei dui chen te xing jin hang shen ru fen xi yu jian mo ,suan fa xing neng bu ke bi mian de shou dao ying xiang 。ben wen zhen dui shang shu wen ti jin hang yan jiu ,di chu le xiang ying de jie jue fang an ,zhu yao gong suo ru xia :1.tong guo diao yan yu fen xi mu qian ji yu fan yi jia she de biao shi xue xi suan fa zhong cun zai de yu yi bei lun wen ti ,di chu fei xian xing qian ru de jie jue fang an ,li yong dui die shen jing wang lao dui shi ti he guan ji de yu yi jin hang zi bian ma ,bing tong guo shu ju de shuang xiang xun lian ce lve di gao suan fa de zhun que lv he shao hui lv 。shi yan jie guo biao ming ,suo di chu de suan fa xian zhe you yu mu qian zhu liu de xiang guan gong zuo 。2.tong guo yan jiu he fa jue bu tong lei xing de fu za wang lao zhong jie dian jian guan lian xing de gui lv ,di chu le yi chong tong yi de tu biao shi xue xi suan fa 。cong ren lei de luo ji tui li sai wei mo shi jian mo jiao du ru shou ,she ji le yi chong ji yu Multi-shotde zhi shi xue xi ji zhi ,ju ci di chu le ji yu shen du shen jing wang lao de an yi tu biao shi xue xi kuang jia 。shi yan zheng ju dui di chu de jian mo sai xiang de you xiao xing xing cheng le you li zhi chi ,biao ming suo she ji de zhi shi biao shi xue xi kuang jia neng you xiao de ying yong yu duo chong bu tong lei xing de wang lao huan jing xia 。3.zeng ge kao lv guan ji de dui chen fei dui chen xing dui suan fa xing neng de ying xiang ,di chu guan ji jing xiang de suan fa she ji sai lu ,bing ju ci di chu le yi chong li yong xun huan shen jing wang lao dui shi ti he guan ji jin hang yu yi zu ge bian ma ,zai li yong shen du shen jing wang lao jin hang yu yi jie ma de zi bian ma mo xing ,you xiao de jie jue le fei dui chen guan ji de jian mo yu biao shi xue xi wen ti 。zai gong kai shu ju ji shang de shi yan biao ming ,suo di chu de suan fa zai guan ji tui li ren wu he duo biao qian fen lei ren wu shang de zhun que xing he shao hui lv deng guan jian zhi biao shang you yu xiang guan gong zuo 。
论文参考文献
论文详细介绍
论文作者分别是来自电子科技大学的杨晓慧，发表于刊物电子科技大学2019-07-17论文，是一篇关于表示学习论文,图嵌入论文,知识图谱论文,关系推理论文,多标签分类论文,电子科技大学2019-07-17论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自电子科技大学2019-07-17论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：表示学习论文; 图嵌入论文; 知识图谱论文; 关系推理论文; 多标签分类论文; 电子科技大学2019-07-17论文;