发表服务
3.基于知识表示学习模型的实体链接预测。. 本文提出基于TransE的翻译模型和TransR模型的领域实体链接预测,采用知识表示学习TransE、TransR模型,将知识图谱映射到低维向量空间,对旅游领域知识图谱中的三元组进行向量化表示,然后利用表示学习模型对领域实体进行 ...
Knowledge graphs are useful resources for numerous AI applications, but they are far from completeness. Previous work such as TransE, TransH and TransR/CTransR regard …
2017年10月19日，知识图谱前沿技术课程（华东师范大学站），邀请华东师范大学、复旦大学、苏州大学、清华大学等学术领域著名学者，及微软亚洲研究所、阿里巴巴、安徽富驰信息技术有限公司等业界领先企业代表。
新闻推荐DKN：Deep Knowledge-Aware Network for News Recommendation. 主题 ：News Recommendation; Knowledge Graph Representation; Deep Neu-. 单位 ：1 Shanghai Jiao Tong …
TransR模型将实体和关系分别嵌入不同的几何空间，使得相同的实体在不同的关系下能够表示不同的语义，进一步增强了知识图谱的推理能力。如图2（c）所示，TransR通过映射矩阵 将实体向量h、t映射到关系空间得到 和，并在关系空间进行平移变换，即。
利用知识图谱进行推荐的一个巨大挑战在于如何获取项目的结构化知识并对其进行语义特征提取。针对这一问题，提出了一种基于知识图嵌入的协同过滤推荐算法(KGECF)，首先从Freebase知识图谱中提取与项目相关的知识信息，并与历史交互项目进行链接，构建子知识库；然后通过基于TransR的Xavier-TransR ...
特色服务手机知网 杂志订阅 数字出版物订阅 广告服务 客服咨询 订卡热线：400-819-9993 服务热线：400-810-9888 在线咨询：help.cnki.net 邮件咨询：help@cnki.net 新浪微博客服 腾讯微博客服 官方微信
Manufacturing industry is the foundation of a country’s economic development and prosperity. At present, the data in manufacturing enterprises have the problems of weak …
针对这些问题,该文提出了一种融合实体描述及类型的知识图谱表示学习方法。. 首先,利用Doc2Vec模型得到全部实体描述信息的嵌入;其次,对实体的层次类型信息进行表示,得到类型的映射矩阵,结合Trans模型的三元组嵌入,得到实体类型信息的表示;最后,对三元组嵌入 ...
期刊 介绍 刊物介绍 编委会 数据库收录 读者中心 当期目录 在线预览 高被引文章 ... TransE、TransH和TransR等基于翻译操作的表示学习方法,只考虑了知识图谱的三元组信息孤立的学习表示,未能有效利用实体描述、实体类型等重要信息,从而不能很好地 ...
3.基于知识表示学习模型的实体链接预测。. 本文提出基于TransE的翻译模型和TransR模型的领域实体链接预测,采用知识表示学习TransE、TransR模型,将知识图谱映射到低维向量空间,对旅游领域知识图谱中的三元组进行向量化表示,然后利用表示学习模型对领域实体进行 ...
Knowledge graphs are useful resources for numerous AI applications, but they are far from completeness. Previous work such as TransE, TransH and TransR/CTransR regard …
2017年10月19日，知识图谱前沿技术课程（华东师范大学站），邀请华东师范大学、复旦大学、苏州大学、清华大学等学术领域著名学者，及微软亚洲研究所、阿里巴巴、安徽富驰信息技术有限公司等业界领先企业代表。
新闻推荐DKN：Deep Knowledge-Aware Network for News Recommendation. 主题 ：News Recommendation; Knowledge Graph Representation; Deep Neu-. 单位 ：1 Shanghai Jiao Tong …
TransR模型将实体和关系分别嵌入不同的几何空间，使得相同的实体在不同的关系下能够表示不同的语义，进一步增强了知识图谱的推理能力。如图2（c）所示，TransR通过映射矩阵 将实体向量h、t映射到关系空间得到 和，并在关系空间进行平移变换，即。
利用知识图谱进行推荐的一个巨大挑战在于如何获取项目的结构化知识并对其进行语义特征提取。针对这一问题，提出了一种基于知识图嵌入的协同过滤推荐算法(KGECF)，首先从Freebase知识图谱中提取与项目相关的知识信息，并与历史交互项目进行链接，构建子知识库；然后通过基于TransR的Xavier-TransR ...
特色服务手机知网 杂志订阅 数字出版物订阅 广告服务 客服咨询 订卡热线：400-819-9993 服务热线：400-810-9888 在线咨询：help.cnki.net 邮件咨询：help@cnki.net 新浪微博客服 腾讯微博客服 官方微信
Manufacturing industry is the foundation of a country’s economic development and prosperity. At present, the data in manufacturing enterprises have the problems of weak …
针对这些问题,该文提出了一种融合实体描述及类型的知识图谱表示学习方法。. 首先,利用Doc2Vec模型得到全部实体描述信息的嵌入;其次,对实体的层次类型信息进行表示,得到类型的映射矩阵,结合Trans模型的三元组嵌入,得到实体类型信息的表示;最后,对三元组嵌入 ...
期刊 介绍 刊物介绍 编委会 数据库收录 读者中心 当期目录 在线预览 高被引文章 ... TransE、TransH和TransR等基于翻译操作的表示学习方法,只考虑了知识图谱的三元组信息孤立的学习表示,未能有效利用实体描述、实体类型等重要信息,从而不能很好地 ...
发表服务