-
公开(公告)号：CN114297397B
公开(公告)日：2025-03-28
申请号：CN202111327210.8
申请日：2021-11-10
Applicant: 北京邮电大学
IPC: G06F16/36 , G06N3/0464 , G06N3/042 , G06N3/08
Abstract: 本公开提供基于卷积网络的路径感知的知识图谱补全方法及相关设备，该方法包括：从所述知识图谱中获取初始三元组集合；基于所述初始三元组集合确定候选三元组集合；将所述候选三元组集合输入至预先构建的排序模型中，通过所述排序模型输出所述候选三元组集合中每一个候选三元组的关系得分，基于所述关系得分从所述候选三元组集合中确定至少一个候选三元组，并将其补入所述知识图谱中；其中，所述排序模型是通过预训练的。本公开的补全方法通过引入三元组的路径信息，并进一步考虑路径局部和全局重要性，提升知识图谱补全准确率。
-
公开(公告)号：CN114297398B
公开(公告)日：2024-08-27
申请号：CN202111336125.8
申请日：2021-11-11
Applicant: 北京邮电大学
IPC: G06N5/02 , G06N3/042 , G06N3/0464 , G06N3/044
Abstract: 本申请提供一种基于神经网络的知识图谱实体链接方法、装置及电子设备，将文档中的实体指称项链接到给定知识图谱的目标实体中，可用于知识图谱的构建和扩充。通过利用知识图谱中实体的上下文与关系和邻居实体的图结构关系，以及引入目标实体具有重要度标记的关系‑实体对，采用循环神经网络对实体指称项和实体上下文进行编码，利用共同注意力机制建立实体指称项上下文与实体上下文之间的相关性模型，使用图卷积神经网络对实体进行建模，生成综合神经网络模型对实体所在文本进行处理，得到知识图谱实体链接。这样，通过共同注意力机制和图卷积神经网络结合提升了知识图谱链接方法的准确率和召回率。
-
公开(公告)号：CN114297398A
公开(公告)日：2022-04-08
申请号：CN202111336125.8
申请日：2021-11-11
Applicant: 北京邮电大学
Abstract: 本申请提供一种基于神经网络的知识图谱实体链接方法、装置及电子设备，将文档中的实体指称项链接到给定知识图谱的目标实体中，可用于知识图谱的构建和扩充。通过利用知识图谱中实体的上下文与关系和邻居实体的图结构关系，以及引入目标实体具有重要度标记的关系‑实体对，采用循环神经网络对实体指称项和实体上下文进行编码，利用共同注意力机制建立实体指称项上下文与实体上下文之间的相关性模型，使用图卷积神经网络对实体进行建模，生成综合神经网络模型对实体所在文本进行处理，得到知识图谱实体链接。这样，通过共同注意力机制和图卷积神经网络结合提升了知识图谱链接方法的准确率和召回率。
-
公开(公告)号：CN114297397A
公开(公告)日：2022-04-08
申请号：CN202111327210.8
申请日：2021-11-10
Applicant: 北京邮电大学
Abstract: 本公开提供基于卷积网络的路径感知的知识图谱补全方法及相关设备，该方法包括：从所述知识图谱中获取初始三元组集合；基于所述初始三元组集合确定候选三元组集合；将所述候选三元组集合输入至预先构建的排序模型中，通过所述排序模型输出所述候选三元组集合中每一个候选三元组的关系得分，基于所述关系得分从所述候选三元组集合中确定至少一个候选三元组，并将其补入所述知识图谱中；其中，所述排序模型是通过预训练的。本公开的补全方法通过引入三元组的路径信息，并进一步考虑路径局部和全局重要性，提升知识图谱补全准确率。
-
-
-
Search Results
4
records
(took 0.016 seconds)
