CoTransH:科技文献知识图谱中语义关系预测的翻译模型

[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。

科技文献的资源语义空间:一种细粒度知识组织方法

[目的/意义]大数据时代,引起科技文献信息过载的原因之一是当前科技文献检索系统大多还是采用以整篇文献为单位的粗粒度知识组织方式。为缓解信息过载,满足用户精准化的检索需求,深入到文献内部的细粒度知识组织变得更加迫切。[方法/过程]提出一种基于知识单元的细粒度知识组织方法,该方法将科技文献划分为多个知识单元,并分析知识单元之间及知识单元内部主题概念与元素概念间的语义关联,并以语义链接网络构建技术构建由科技文献资源层、知识单元描述层及知识单元语义链接层组成的、具有多层次语义链接关系的科技文献资源语义空间。[结果/结论]实验结果表明:该方法能够支持精准的细粒度知识单元检索,且具有良好的查全率和查准率。