基于表示学习和语义要素感知的关系推理算法

被引：12

作者：

刘峤

韩明皓

杨晓慧

刘瑶

吴祖峰

机构：

[1] 电子科技大学信息与软件工程学院

来源：

计算机研究与发展 | 2017年 / 54卷 / 08期

关键词：

统计关系学习; 关系推理; 表示学习; 知识图谱; 多元关系数据挖掘;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

基于知识表示的关系推理方法研究是近年来统计关系学习和知识图谱领域共同关注的热点.通过对当前流行的基于知识表示的推理模型进行比较,分析了现有模型所普遍采用的基本假设存在的不合理之处,即忽视了实体与关系在语义上的多样性.据此提出了一种新的关系推理建模假设:实体对之间的每种关系反映的是两侧实体在某些特定方面的语义关联,通过对实体向量的语义方面要素进行选择性加权,可以实现对不同关系语义的表示和区分.根据该假设提出了一种新的关系推理建模方法,采用非线性变换的方法来解决表示学习中的语义分辨率问题.在公开数据集上的实验结果表明:所提出的算法对复杂关系类型和相关实体具有良好的语义区分能力,能有效提高知识图谱上的关系推理准确率,性能显著优于目前主流的相关工作.

引用

页码：1682 / 1692

页数：11

共 7 条

[1] 知识图谱构建技术综述 [J].

刘峤 ;

李杨 ;

段宏 ;

刘瑶 ;

秦志光 .

计算机研究与发展, 2016, 53 (03) :582-600

[2] 知识表示学习研究进展 [J].

刘知远 ;

孙茂松 ;

林衍凯 ;

谢若冰 .

计算机研究与发展, 2016, 53 (02) :247-261

[3] 基于开放网络知识的信息检索与数据挖掘 [J].

王元卓 ;

贾岩涛 ;

刘大伟 ;

靳小龙 ;

程学旗 .

计算机研究与发展, 2015, (02) :456-474

[4] Markov logic networks [J].

Matthew Richardson ;

Pedro Domingos .

Machine Learning, 2006, 62 :107-136

[5]

Reasoning with neural tensor networks for knowledge base completion .2 Socher R,Chen Danqi,Manning C D,et al. Proc of the 27th Conf on Neural Information Processing Systems . 2013

[6]

Learning first-order Horn clauses from web text .2 Schoenmackers S,Etzioni O,Weld D,et al. Proc.of the 2010 Conf on Empirical Methods in Natural Language Processing,EMNLP’’10 . 2010

[7]

Learning statistical models from relational data .2 Getoor L,Mihalkova L. Proceedings of the 2011 ACM SIGMOD International Conference on Management of data . 2011

← 1 →