多源知识融合技术研究综述

被引：87

作者：

赵晓娟 ^{[1
,2
]}

贾焰 ^{[1
]}

李爱平 ^{[1
]}

常春喜 ^{[3
]}

机构：

[1] 国防科技大学计算机学院

[2] 湖南工业大学商学院

[3] 国防科技大学前沿交叉学科学院

来源：

云南大学学报(自然科学版) | 2020年 / 42卷 / 03期

基金：

国家重点研发计划;

关键词：

多源知识融合; 知识图谱; 知识表示; 实体对齐; 知识推理;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理]; TP18 [人工智能理论]; G353.1 [情报资料的分析和研究];

学科分类号：

120502 [情报学]; 120506 [数字人文]; 140502 [人工智能];

摘要：

多源知识融合的研究成果有助于计算机更好地理解人类的智能、人类语言以及人类思维,可以有效地促进网络空间大搜索,有效地促进领域知识图谱的构建,具有巨大的社会经济效益.由于知识获取的不确定性,基于实体识别和关系抽取技术构建的知识图谱,其知识的可靠性和置信度都有待评估,一方面,多源知识推理的过程可以检测冲突,为知识评估和验证提供帮助;另一方面,由知识推理得到的新知识也具有不确定性,需要进行评估和验证.多源知识协同推理不仅包括从多源知识中推断出新知识,还包括冲突检测,即识别错误知识或知识间存在的冲突.从多源知识融合的几个相关概念出发,全面介绍了开源知识融合、多知识图谱融合、知识图谱内部信息融合、多模态知识融合和多源知识协同推理的最新研究进展.在此基础上,探讨了大规模知识库环境下多源知识融合的挑战和未来研究方向.

引用

页码：459 / 473

页数：15

共 10 条

[1]

A multimodal fusion based framework to reinforce IDS for securing Big Data environment using Spark.[J].Gita Donkal;Gyanendra K. Verma.Journal of Information Security and Applications.2018,

[2]

Large scale distributed spatio-temporal reasoning using real-world knowledge graphs.[J].Matthew Mantle;Sotirios Batsakis;Grigoris Antoniou.Knowledge-Based Systems.2018,

[3]

SSE: Semantically Smooth Embedding for Knowledge Graphs [J].

Guo, Shu ;

Wang, Quan ;

Wang, Bin ;

Wang, Lihong ;

Guo, Li .

IEEE TRANSACTIONS ON KNOWLEDGE AND DATA ENGINEERING, 2017, 29 (04) :884-897

[4]

ModDrop: Adaptive Multi-Modal Gesture Recognition [J].

Neverova, Natalia ;

Wolf, Christian ;

Taylor, Graham ;

Nebout, Florian .

IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, 2016, 38 (08) :1692-1706

[5]

Upper and lower probabilities induced by a fuzzy random variable.[J].Inés Couso;Luciano Sánchez.Fuzzy Sets and Systems.2010, 1

[6]

Stacked Denoising Autoencoders: Learning Useful Representations in a Deep Network with a Local Denoising Criterion..[J].Pascal Vincent;Hugo Larochelle;Isabelle Lajoie;Yoshua Bengio;Pierre-Antoine Manzagol.Journal of Machine Learning Research.2010,

[7]

INFORMATION FUSION IN COMPUTER VISION USING THE FUZZY INTEGRAL [J].