期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
CoTransH:科技文献知识图谱中语义关系预测的翻译模型
被引量:
3
1
作者
陶玥
余丽
吴振新
《情报理论与实践》
CSSCI
北大核心
2021年第11期187-196,共10页
[目的/意义]科技文献知识图谱对文献语义检索、学术精准推荐、学科智能问答等创新型知识服务具有重要的支撑作用。然而图谱中大量实体缺失链接关系,阻碍了知识服务的升级与改革。翻译模型是知识图谱关系预测的主流方法,但是典型的翻译...
[目的/意义]科技文献知识图谱对文献语义检索、学术精准推荐、学科智能问答等创新型知识服务具有重要的支撑作用。然而图谱中大量实体缺失链接关系,阻碍了知识服务的升级与改革。翻译模型是知识图谱关系预测的主流方法,但是典型的翻译模型在动态表示、属性区分和文本特征融合等方面能力不足,难以直接应用于科技文献知识图谱关系预测任务中。[方法/过程]文章提出一种改进的翻译模型CoTransH,实现科技文献知识图谱的语义关系预测。数据准备层:先综合语步识别、实体抽取、语义相似性度量等技术自动构建关系预测的标注语料库,再融合文本特征和外部先验知识动态生成向量,增强模型在开放世界中的语义表示学习能力;模型结构层:先引入超平面机制解决多对多关系预测,后加入非线性卷积层区分头尾实体属性,再改进得分函数提高关系的关注度,最后根据语料特征改进负例生成策略,提升模型对关系预测精度。[结果/结论]使用CoTransH模型构建了以人工智能领域科技文献摘要蕴含的"问题"短语和"方法"短语为节点,"采用"和"解决"关系为边的人工智能领域知识图谱。CoTransH的关系预测F1值,在封闭世界下比典型的翻译模型(TransE,TransH,TransD,KG2E)平均提升12.1%,在开放世界下平均高于TransH模型38.46%。CoTransH可融合实体语义特征和几何特征,实现高效的科技文献知识图谱关系补全。[局限]提出的CoTransH模型尚缺多义关系预测的能力。
展开更多
关键词
科技
文献知识图谱
知识
图谱
补全
关系预测
翻译模型
下载PDF
职称材料
基于文献知识图谱的海洋碳中和热点产业分析与研究
2
作者
高瑾
王乾
李强
《中国水运》
2022年第12期72-74,共3页
新兴海洋产业在碳中和领域具有广阔的前景,基于文献知识图谱分析海洋碳中和热点产业对于实现碳中和目标具有重要意义。在“碳中和产业”和“海洋碳中和”主题词开展文献检索的基础上,采用词频分析法、共词聚类和社会网络关系图谱分析完...
新兴海洋产业在碳中和领域具有广阔的前景,基于文献知识图谱分析海洋碳中和热点产业对于实现碳中和目标具有重要意义。在“碳中和产业”和“海洋碳中和”主题词开展文献检索的基础上,采用词频分析法、共词聚类和社会网络关系图谱分析完成碳中和产业的词频统计,梳理出了碳中和产业的架构和主题词热点,进一步挖掘出了与海洋碳中和产业相关的重点产业领域,揭示了新兴海洋碳中和产业的潜力,表明海洋碳汇、海洋新能源等产业对碳中和产业布局有重要作用。
展开更多
关键词
文献知识图谱
碳中和产业
海洋碳汇
海洋新能源
共词分析
下载PDF
职称材料
题名
CoTransH:科技文献知识图谱中语义关系预测的翻译模型
被引量:
3
1
作者
陶玥
余丽
吴振新
机构
中国科学院文献情报中心
中国科学院大学经济与管理学院图书情报与档案管理系
北京理工大学中国工程科技前沿交叉战略研究中心
中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室
出处
《情报理论与实践》
CSSCI
北大核心
2021年第11期187-196,共10页
基金
国家自然科学基金青年科学基金项目“中文网络文本的地理实体语义关系标注与评价”(项目编号:41801320)
资源与环境信息系统国家重点实验室开放基金的研究成果。
文摘
[目的/意义]科技文献知识图谱对文献语义检索、学术精准推荐、学科智能问答等创新型知识服务具有重要的支撑作用。然而图谱中大量实体缺失链接关系,阻碍了知识服务的升级与改革。翻译模型是知识图谱关系预测的主流方法,但是典型的翻译模型在动态表示、属性区分和文本特征融合等方面能力不足,难以直接应用于科技文献知识图谱关系预测任务中。[方法/过程]文章提出一种改进的翻译模型CoTransH,实现科技文献知识图谱的语义关系预测。数据准备层:先综合语步识别、实体抽取、语义相似性度量等技术自动构建关系预测的标注语料库,再融合文本特征和外部先验知识动态生成向量,增强模型在开放世界中的语义表示学习能力;模型结构层:先引入超平面机制解决多对多关系预测,后加入非线性卷积层区分头尾实体属性,再改进得分函数提高关系的关注度,最后根据语料特征改进负例生成策略,提升模型对关系预测精度。[结果/结论]使用CoTransH模型构建了以人工智能领域科技文献摘要蕴含的"问题"短语和"方法"短语为节点,"采用"和"解决"关系为边的人工智能领域知识图谱。CoTransH的关系预测F1值,在封闭世界下比典型的翻译模型(TransE,TransH,TransD,KG2E)平均提升12.1%,在开放世界下平均高于TransH模型38.46%。CoTransH可融合实体语义特征和几何特征,实现高效的科技文献知识图谱关系补全。[局限]提出的CoTransH模型尚缺多义关系预测的能力。
关键词
科技
文献知识图谱
知识
图谱
补全
关系预测
翻译模型
Keywords
knowledge graph of scientific articles
knowledge graph completion
relation prediction
translation models
分类号
G353.1 [文化科学—情报学]
G255.51 [文化科学—图书馆学]
下载PDF
职称材料
题名
基于文献知识图谱的海洋碳中和热点产业分析与研究
2
作者
高瑾
王乾
李强
机构
浙江海洋大学图书馆
浙江海洋大学船舶与海运学院
浙江海洋大学海洋工程装备学院
出处
《中国水运》
2022年第12期72-74,共3页
基金
舟山市社会科学2022年度课题研究项目(2022-59)。
文摘
新兴海洋产业在碳中和领域具有广阔的前景,基于文献知识图谱分析海洋碳中和热点产业对于实现碳中和目标具有重要意义。在“碳中和产业”和“海洋碳中和”主题词开展文献检索的基础上,采用词频分析法、共词聚类和社会网络关系图谱分析完成碳中和产业的词频统计,梳理出了碳中和产业的架构和主题词热点,进一步挖掘出了与海洋碳中和产业相关的重点产业领域,揭示了新兴海洋碳中和产业的潜力,表明海洋碳汇、海洋新能源等产业对碳中和产业布局有重要作用。
关键词
文献知识图谱
碳中和产业
海洋碳汇
海洋新能源
共词分析
分类号
X145 [环境科学与工程—环境科学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
CoTransH:科技文献知识图谱中语义关系预测的翻译模型
陶玥
余丽
吴振新
《情报理论与实践》
CSSCI
北大核心
2021
3
下载PDF
职称材料
2
基于文献知识图谱的海洋碳中和热点产业分析与研究
高瑾
王乾
李强
《中国水运》
2022
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部