融合知识图谱的语义通信系统

知识的理解与处理是语义通信研究的关键问题之一。针对现有语义通信系统在知识表示和知识处理方面的不足,提出了一种融合知识图谱的语义通信框架。在这一框架中,定义了统一语义表示空间的概念,知识库中的实体和接收信号被映射到该空间中,并通过基于对比学习的训练过程以建立关联。在通信过程中,接收端会根据接收到的信号从知识库中检索与之相关的实体,随后通过推理和预测来揭示这些实体之间的关系,从而为解码过程提供有效的辅助信息,同时实时更新知识库。此外,还探讨了基于大语言模型进行数据增强的方案。最后,进行了仿真实验,相较于未经知识增强的语义通信系统,所提系统在较低信噪比下能够取得5%左右的性能提升。结果表明所提系统能够有效地提取相关知识,从而增强语义通信系统接收端的解码能力。

知识增强的语义通信接收端设计

针对现有的语义通信系统对先验知识利用不够充分、接收端解码能力有限的问题,提出了一个知识增强的语义通信框架。在这个框架中,接收端可以利用知识库中的先验知识进行语义推理和解码,同时不需要对发送端的神经网络结构进行额外的修改。具体而言,在语义接收端的基础上,设计了一个基于Transformer的知识提取器来为接收到的含噪信号寻找语义相关的知识三元组,以用于语义解码。在WebNLG数据集上的仿真结果表明,所提框架在知识图谱增强解码的基础上产生了明显的性能提升。