基于学术知识图谱的增强语义表示与检索

知识图谱作为一个巨大的知识网络图,其中包含着实体概念、关系等信息.基于深度学习的语义表示虽然泛化性强,但对于一些专有知识的敏感度不高,所以许多研究尝试将知识图谱与神经网络结合.目前大部分知识图谱语义表示的方法是围绕通用领域知识图谱展开的,没有针对学术领域的知识图谱语义表示方法的研究.本文以学术文献的全文本数据为研究对象,从基于学术知识图谱的语义表示方法切入研究,在构建学术知识图谱的基础上,对通用领域的研究方法(K-BERT)进行领域化改进(KEBERT),进一步使用实体知识增强文本的语义信息.通过开展下游任务的对比实验,在学术检索数据集上验证KEBERT、K-BERT和ERNIE的性能.实验采用检索任务中常用的NDCG评价指标对结果进行评价,实验结果表明改进后的KEBERT在检索任务上的效果优于其他模型.

文化大数据背景下线性文化遗产资源知识表示及语义增强框架构建

[目的/意义]构建线性文化遗产资源知识表示及语义增强框架,为文化机构开展文化遗产智慧化数据建设及推动优秀传统文化创新性发展提供路径参考。[方法/过程]在提炼线性文化遗产“资源族群性、时间流动性和空间链状性”特征基础上,剖析线性文化遗产知识体系的层级结构,建构线性文化遗产资源知识表示模型,并依据表征理论和情境认知理论,从结构化语义增强和情境化语义增强视角对线性文化遗产数据进行语义增强,创新性地提出“时空”双重维度语义增强路径,最后以京杭大运河线性文化遗产为例,进行大运河知识表示及语义增强案例研究。[结果/结论]本文构建的知识表示模型及语义增强框架有利于推进线性文化遗产数据的多维语义组织和深度挖掘研究,提升线性文化遗产内容的语义互联性和外延性。

基于口述历史资源的名人历史事件语义模型构建及实证研究

[目的/意义]口述历史资源具有重要的史料价值和精神价值,具有跨图书馆、档案馆、博物馆、科技馆等多领域的异构资源特征,由口述历史资源析出的名人历史事件,其“自下而上”研究历史的新途径,受到了历史、档案、图情领域的普遍重视。事件的知识组织与应用一直是知识处理的重点和难点问题,而在数字人文视角下,名人历史事件的知识化是对名人特藏资源进行知识重组、价值挖掘和叙事展演的重要基础。[方法/过程]在前人研究的基础上,本文对名人历史事件的内涵、特征和应用需求进行了总结与分析,构建了名人历史事件语义模型,并以科学家李政道和其创办CUSPEA事件为例进行语义模型的实例化构建。[结果/结论]在名人历史事件语义模型基础上所建设的图数据库,能够形成更具灵活性、细粒度、可扩展、相关联的实体关系和知识,实现不同类型的用户对名人特色资源进行语义级查询、主题性聚合、叙事化展示和可视化呈现的知识表示。

基于属性文法和语义网络的综合知识表示模型

本文提出了一个属性文法计算模型与语义网络表示模型相结合的综合知识表示模型.根据形式化的语义网络表示模型和属性文法的特点,该模型使用属性文法的符号建立了一些适合于语义网络表示模型的语法和语义规则模式,并且可通过扩充的属性文法的解释器来实现推理.

融合语义路径与语言模型的元学习知识推理框架

针对传统推理方法无法兼顾计算能力与可解释性,同时在小样本场景下难以实现知识的快速学习等问题,该文设计一款融合语义路径与双向Transformer编码(BERT)的模型无关元学习(MAML)推理框架,该框架由基训练和元训练两个阶段构成。基训练阶段,将图谱推理实例用语义路径表示,并代入BERT模型微调计算链接概率,离线保存推理经验;元训练阶段,该框架基于多种关系的基训练过程获得梯度元信息,实现初始权值优化,完成小样本下知识的快速学习。实验表明,基训练推理框架在链接预测与事实预测任务中多项指标高于平均水平,同时元学习框架可以实现部分小样本推理问题的快速收敛。

融合语义解析的知识图谱表示方法

为解决大多数知识图谱表示学习模型仅使用三元组信息的问题,提出融合语义解析的知识图谱表示模型BERT-PKE.模型利用实体和关系的文本描述,通过BERT的双向编码表示进行语义解析,深度挖掘语义信息.由于BERT训练代价昂贵,提出一种基于词频和k近邻的剪枝策略,提炼选择文本描述集.此外,由于负样本的构造影响了模型的训练,提出2种改进随机抽样的策略:一种是基于实体分布的负采样方法,以伯努利分布概率来选择替换的实体,该方法可以减少负采样引起的伪标记问题;另一种是基于实体相似性负采样方法,首先用TransE将实体嵌入到向量空间,使用k-means聚类算法将实体进行分类.通过同簇实体的相互替换可获得高质量的负三元组,有利于实体的特征学习.实验结果表明,所提出BERT-PKE模型与TransE,KG-BERT,RotatE等相比,性能有显著提升.

基于概念知识树的现代汉语程度副词语义模型

基于语言学对现代汉语词类的语义和用法的划分以及认知中的量范畴,选取虚词中副词词类的程度副词作为重点研究对象。在分析其具体语义体现的基础上,利用一种新的知识表示模型——概念知识树知识表达体系的子模型,即概念模型和语义复合模型的思想,建立程度副词语义模型,目的是对输入的自然语言——字符串语句经过概念标识以及复合概念标识转化为一种计算机形式化表达,并把这种模型应用于自然语言理解中的消歧和确定修饰对象中,经实验验证准确率为83.5%。

基于Ontology的应急知识库的知识表示

针对应急知识库的构建与知识表达中的结构化知识表示问题,采用RDF/OWL技术及Protégé本体编辑工具构建了应急知识库,设计了基于Ontology的应急知识库语义模型.结果表明该应用研究能够为应急知识库中知识的表达提供良好的技术支持,也可为后续的知识推理工作奠定基础.

关系模型上数据语义的正确性判别

指出某些应用领域要求对数据库施加专门的数据约束，把判断一个数据库是否满足这种约束的问题归为数据语义判别提出了用相关语义网络的表示方法来表达数据约束。

语义本体及半边图构建新软件教学方法模型的过程

计算机应用越来越广泛,学习使用计算机关键是学习计算机软件。软件具有种类多、更新快等特点,使得教学困难。本体能够描述概念及其之间的关系,能深入而简洁条理地表示复杂的知识,能在知识层提供知识共享和重用。该文是基于语义本体,并采用多层次知识学习模型的半边图模型,详细阐述了使用该技术构造一种全新的计算机软件教学方法的具体过程,使学生掌握自学计算机软件的方法,使学生学习知识速度如同滚雪球一样,成幂次增长。

基于Jena的装配尺寸链语义推理

知识推理是实现智能化公差设计的重要手段。现有的公差分析知识推理方法仍未实现对尺寸链相关概念的形式化表示,难以进行语义推理,因此,提出一种基于Jena的装配尺寸链推理方法。根据装配尺寸链相关特征的工程语义构建语义表示模型;扩展Jena基础规则语言使其满足语义表示的要求;对尺寸链相关概念进行表示,以实现尺寸链语义信息的自动推理。通过两项测试验证所提方法的有效性。

语义图像检索研究进展

语义图像检索已成为解决图像简单视觉特征和用户检索丰富语义之间存在的“语义鸿沟”问题的关键 .从图像语义描述方式、图像语义抽取方法和语义检索系统设计 3个方面对语义图像检索的研究状况进行了分析和研究 ;讨论了面向对象的图像内容模型和图像语义表示问题 ;对利用系统知识的提取、根据用户交互的提取和利用外部信息源的语义生成等具有代表性的语义处理方法进行了阐述 ;介绍了系统设计中用户界面和语义处理的不同方式 ,最后从对象识别、语义抽取规则、用户检索模型和图像检索性能评价标准 4个方面剖析了实现图像语义处理所面临的困难 ,并提出了一些初步解决思路 .

基于内容的图象检索中的语义处理方法

基于内容的图象检索系统 ,其目标是最大限度地减小图象简单视觉特征与用户检索丰富语义之间的“语义鸿沟”,因此图象语义处理则成为基于内容的图象检索进一步发展的关键 .为了使人们对基于内容的图象检索中的语义处理方法有个概略了解 ,首先从图象语义模型和图象语义提取方法这两个方面对利用语义进行图象检索的研究状况进行了总结 ,并将图象语义模型概括为图象语义知识、图象语义层次模型和语义抽取模型等 3个主要组成部分 ;然后将图象语义提取方法分为用户交互、将查询请求作为语义模板、对象及其空间关系、场景和行为语义及情感语义等类别 ,同时对其中有代表性的方法进行了详细的分析 ,还指出了其局限性 ;最后从对象建模和识别、语义抽取规则和用户检索模型 3个方面 ,阐明了实现图象语义处理所面临的问题 ,并提出了一些初步的解决思路 .

学术论文学科领域层次标签分类方法

针对学术论文在学科领域内进行层次标签分类问题,提出了一种基于知识增强的语义表示与图注意力网络的文本层次标签分类(text hierarchical label classification based on enhanced representation through knowledge integration and graph attention networks, GETHLC)模型。首先,通过层次标签抽取模块提取学科领域下层次标签的结构特征,并通过预训练模型对学术论文的摘要、标题和抽取后的层次标签结构特征进行嵌入;然后,在分类阶段基于层次标签的结构分层构造层次分类器,将学术论文逐层分类至最符合的类别中。在大规模中文科学文献数据集CSL上进行的实验结果表明,与基准的ERNIE模型相比,GETHLC模型的准确率、召回率和F1值分别提升了5.78、4.31和5.02百分点。

超级媒体智能化扩充模型初探（Ⅰ）

对基于语义网络知识表示的超级媒体（Ｈｙｐｅｒｍｅｄｉａ／Ｈｙｐｅｒｔｅｘｔ）智能化扩充模型进行了探讨，给出了结构化知识在超级媒体中的存储和管理方法，提出了基于语义网络的超级媒体智能化扩充的系统结构．

面向智能装备的标准知识智能化策略研究

在高端智能装备实现智能应用时,需要关联大量的标准规范及技术文档。但标准文本的管理和使用普遍采用纸质或电子文档形式,需通过人工阅读获取标准知识,严重滞后于装备智能化的发展水平。这已成为高端智能装备实现高效跨组织协同的瓶颈。通过标准智能化的研究发展现状分析,提出了智能装备标准智能化的现实应用需求,探讨了实现基于标准文本的智能功能应用策略。采用标准知识智能化表示手段,将智能装备的属性建立标准语义交互信息模型,从而实现机器自主识别,可有效提升标准等相关文件管理与应用。标准知识智能化表示提供了一种应用于智能装备的跨组织共享方案,对其他应用领域及知识智能化表示具有一定的借鉴价值。

基于ERNIE_BiGRU模型的中文医疗文本分类

【目的】探究ERNIE模型(Enhanced Language Representation with Informative Entities)和双向门限循环单元(Bi GRU)在医疗疾病名称科室分类中的效果及差异。【方法】以医疗疾病名称为训练样本,以BERT(Bidirectional Encoder Representation from Transformers)为对比模型并在模型之后加入不同网络层进行训练探究。【结果】ERNIE模型在分类效果上优于BERT模型,精度约高4%,其中精确度可达79.48%,召回率可达79.73%,F1分数可达79.50%。【局限】仅对其中的八个科室进行分类研究,其他类别由于数据量过少而未纳入分类体系中。【结论】ERNIE-BiGRU分类效果较好,可应用于医疗导诊系统或者卫生统计学中。

国内外语义出版实践研究

本文介绍多种国内外重要语义出版机构/平台的实践进展,并从数字资源描述模型、语义知识增强形态、语义出版发布形式三方面对其进行比较分析,对比国内外语义出版的发展现状,总结现有实践研究的共性特征及其存在问题,并探讨我国科技期刊语义出版模式的发展对策,以期为我国语义出版的研究和实践提供参考。

基于知识元语义描述模型的领域知识抽取与表示研究——以信息检索领域为例

【目的】基于知识元视角探索从异构数据中抽取和集成领域知识,丰富知识表示的语义信息。【方法】优化现有的知识元语义描述模型,提出基于知识元语义描述模型的知识抽取与表示方法,并以信息检索领域为例开展应用。【结果】从维基百科以及两本经典教材中抽取信息检索领域4200条知识元和3020个实体,支持知识元及其实体之间关系的查询。【局限】知识元间语义关系的挖掘不够充分,知识抽取过程未能实现全自动。【结论】在一定程度上突破现有研究中知识表示语义不丰富的局限,为领域知识服务提供新视角。

基于语义本体及半边图的软件教学方法的实例

计算机应用越来越广泛,学习使用计算机关键是学习计算机软件。软件具有种类多、更新快等特点,使得教学困难。本体能够描述概念及其之间的关系,能深入而简洁条理地表示复杂的知识,能在知识层提供知识共享和重用。本文是基于语义本体,并采用多层次知识学习模型的半边图模型,详细阐述了使用该技术构造一种全新的计算机软件教学方法的具体过程,使学生掌握自学计算机软件的方法,使学生学习知识速度如同滚雪球一样,成幂次增长。