面向时间感知的知识超图链接预测

知识超图是一种使用多元关系表示现实世界的异构图,但无论在通用领域还是垂直领域,现有的知识超图普遍存在不完整的情况.因此,如何通过知识超图中已有的链接推理缺失的链接,是一个具有挑战性的问题.目前,大多数研究使用基于多元关系的知识表示学习方法完成知识超图的链接预测任务,但这些方法仅从时间未知的超边中学习实体与关系的嵌入向量,没有考虑时间因素对事实动态演变的影响,导致在动态环境中的预测性能较差.首先,根据首次所提出的时序知识超图定义,提出时序知识超图链接预测模型,同时从实体角色、位置和时序超边的时间戳中学习实体的静态表征和动态表征,以一定比例融合后作为实体嵌入向量用于链接预测任务,实现对超边时序信息的充分利用.同时,从理论上证明模型具有完全表达性和线性空间复杂度.此外,通过上市公司的公开经营数据构建时序知识超图数据集CB67,并在该数据集上进行了大量实验评估.实验结果表明,模型能够在时序知识超图数据集上有效地执行链接预测任务.

基于时序超图模型的战场环境多层次知识建模方法

新型作战样式对战场环境服务保障提出了新要求,战场环境智能化服务急需基于全域多维战场环境数据实现知识的提升。针对战场环境智能认知的知识建模问题,将知识图谱与战场环境相结合,提出了战场环境知识分类方法,认为战场环境知识图谱是大数据人工智能条件下战场环境知识表示的一种新形式;针对三元组知识表示碎片化的问题,构建了战场环境时序超图表示模型,实现了实体知识、事件知识、影响过程知识和服务决策知识的多层次统一图建模,将各类知识表示为具备时空特点、场景特点的统一知识超图网络;最后,利用地图、事件、影响过程和作战影响效能等数据进行实验验证,超图网络从语义层面实现了各类战场环境知识的关联,可进一步为实现基于超图的智能推理和服务决策提供支撑。