基于深度学习的知识表示研究:网络视角

摘要：

[目的]从知识网络视角探究如何更好地表示知识对象的语义关系.[方法]在已有网络表示学习算法的基础上,借助于集成学习和深度学习思想,提出组合式知识网络表示学习模型(Combined Knowledge Network Representation Leaming,CKNRL).[结果]在中英文新闻平行语料的知识网络链接预测任务上,CKNRL模型的AUC取值为0.929,高于单一的网络表示算法DeepWalk (0.925)、Node2Vec(0.926)和SDNE(0.899),验证了CKNRL模型的有效性.[局限]实证研究仅建立在共词网络的基础上,尚未检验CKNRL模型在更多类型的知识网络链接预测中的效果.[结论]通过建立融合模型能够更好地表示知识对象之间的语义关系.

关键词：知识表示、深度学习、网络表示学习、链接预测

所属期刊栏目：4

分类号：TP391(计算技术、计算机技术)

资助基金：本文系国家自然科学基金面上项目“面向跨语言观点摘要的领域知识表示与融合模型研究”;中南财经政法大学中央高校基本科研业务费专项资金资助“大数据视角下的中美贸易战观点挖掘研究”

在线出版日期：2020-06-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：63-75