知识图谱学习和推理研究进展

知识图谱是在大数据时代背景下产生的一种新型知识表示方式和数据管理模式.学习和推理是知识图谱应用研究的核心内容之一,主要任务是链接预测、实体解析和基于聚类的链接等,它能够进一步完善知识图谱,并解决问题回答和信息检索等领域问题,因此,学习和推理的算法研究具有十分重要的意义.国内知识图谱研究和应用正处于开展阶段,学习和推理算法的中文文献相对较少,针对当前知识图谱的学习和推理算法进行了归纳总结和介绍,比较各种算法的优缺点,同时对当前研究中所面临的一些主要问题及发展方向进行了探讨.

基于多数据源的知识图谱构建方法研究

针对多数据源的融合应用,构建了基于多数据源的知识图谱.首先,对不同领域内的数据源构建相应本体库,并将不同本体库通过数据融合映射到全局本体库;然后,利用实体对齐和实体链接方法进行知识获取和融合;最后,搭建知识图谱应用平台,提供查询和统计等操作.在实体对齐方面,利用传统的基于相似性传播实体对齐方法,获得良好的实体对齐效果;在实体链接方面,提出了基于约束嵌入转换的预测推理方法,实验结果表明,在预测准确率上取得较好的结果.

关于研究生双联学位教育模式的实践及探索

随着全球教育国际化的发展,研究生双联学位培养模式成为许多高校关注的焦点。文章以福州大学数学与计算机科学学院计算机专业为例,构建我院研究生双联学位教育模式的流程,探讨了双联学位教育模式的若干优点,以实践经验分析双联学位存在的若干问题,并提出了相应的解决方案与今后发展的方向,以此促进研究生教育国际化的发展。