面向Web数据的知识图谱学习与推理关键技术研究

发布时间：2024-03-17 00:32

　　自从语义网的概念提出以来,越来越多的开放链接数据和用户生成内容被发布于互联网中,这使得Web数据呈现出结构松散化、内容碎片化、语义复杂化等特征,已不能满足人们对信息快速、准确定位的需求。在结构化、半结构化、非结构化的Web数据规模呈指数型增长的环境下,知识图谱为信息的高效处理提供了智能化的解决方案。知识图谱在实体层面对本体进行了丰富和扩充,因而可被用于描述现实世界的实体及它们之间的语义关系,有助于人与机器更好的进行信息理解与交互操作,同时为人工智能技术的发展提供了重要的数据支撑。然而,除去Web数据规模的增长,Web数据的高速动态化也给知识图谱的更新带来了严峻挑战。例如,在知识图谱规模的扩张过程中,只能使用显式关系将结构化的知识以网络的形式进行组织,使得知识图谱实体间的潜在关系未得到充分挖掘。同时,知识图谱更新明显滞后于Web数据变化速度,使语义搜索的准确度、时效性受到了影响。本文在学习与分析知识图谱补全相关理论技术的基础上,从知识表示学习、知识图谱推理角度开展研究,旨在优化语义搜索系统的性能,提供高效、快速、准确的查询服务。第一,提出一种基于知识图谱语义张量的知识表示学习算法,以“R...

【文章页数】：67 页

【学位级别】：硕士

【部分图文】：

图1：知识图谱实现的技术流程示意图

图2.4知识图谱可视化展现形式

西安邮电大学硕士学位论文帮助人们理解与分析数据。知识可视化用来传达和表示复杂知识的目标是进行知识的传输，帮助用户正确重构、记忆和应用知识[49]知识图谱常用的可视化展现形式，包括概念层次图、思维导图、认络，如图2.4所示。(a)概念层次图(b)思维导图

图4.4算法准确率-召回率曲线横向比较结果

n=30，Y根据不同数据集赋初始值，0G由Neo4j，将四种算法进行横向对比测试，结果如图4.3、图4.4所示。图4.3算法运行总时间

图4.3算法运行总时间

锞浯?硗瓿伤?腥??閗更新G是是否否时钟同步器图4.2基于贝叶斯推理的潜在因子发现算法流程图4.3实验分析4.3.1实验环境及数据本实验平台的硬件环境为Intel(R)Core(TM)i3-4160CPU@3.60GHz处理器，8GB物理内存；软件环境是....

本文编号：3930244