TransREF:一种改进的基于邻域信息的知识表示模型

近年来,知识表示学习在智能推荐、智能问答,以及智能检索方面发挥了关键性作用,受到了广泛关注。知识表示学习旨在借助实体与关系的低维嵌入,将语义信息向量化,通过数学公式进行知识的推理。在众多知识表示学习模型中,TransE由于评分函数参数较少、计算复杂度低、计算效率高,被认为是最有前途的模型。然而,TransE在处理除一对一以外的复杂关系时,存在一定的局限性。为了解决这个问题所带来的困扰,提高知识嵌入的质量,本文提出了一种改进的基于翻译模型的知识表示模型TransREF。首先,借助关系矩阵投影,实现对实体和关系的嵌入;其次在原有向量的基础上加入关系邻域,增强模型的学习能力。在模型被训练期间,对于语义相似度高的实体,通过概率法实现对头实体与尾实体的替换,进而生成的较高质量的负例三元组,并且在选择关系邻域节点时采用五点随机法。最后,选择英文词典WordNet的子集WN18和Freebase子集FB15K上进行相关链接预测实验,之后在3个公开数据集WN11、FB13、FB15K开展三元组分类的实验。结果表明,相较于TransE、TransH,TransREF在MeanRank、Hits@10,以及ACC指标上都有较好的性能改善,证明了TransREF的有效性。

基于双波片的偏振调控和偏振测量技术

针对双波片偏振调控结构,基于Stokes-Mueller矩阵偏振算法,对双1/4波片和双1/2波片的偏振调控机理作了详尽的理论分析,得出调控偏振态与双波片快轴方向之间的关系,并追迹其在庞加莱球上的运动轨迹.基于双波片调控结构搭建偏振测量系统,根据入射和出射Stokes矢量构建了投影关系矩阵算法,完成了待测元件Mueller矩阵的测量,并分析了波片的快轴方向误差和位相延迟误差对Mueller矩阵测量结果以及对出射偏振态调控精度的影响.分析结果表明:波片的快轴方向误差控制在±2°内,位相延迟误差不大于λ/300时,Mueller矩阵的最大测量误差为0.040 2,波片自身误差对测量结果的影响可以忽略不计;波片自身误差所引起的方位角误差不大于0.16rad时,快轴方向误差引起的椭率角误差最大不超过0.032 rad,位相延迟误差导致的椭率角误差小于0.015 rad,且对偏振度无影响.