×

基于主题模型和变分自编器的自适应知识方法

消耗积分:0 | 格式:pdf | 大小:2.03 MB | 2021-03-12

分享资料个

　　基于翻译的表示学习模型 Transe被提出后，研究者提出一系列模型对其进行改进和补充，如 Transh、 TransgTransr等。然而，这类模型往往孤立学习三元组信息，忽略了实体和关系相关的描述文本和类别信息。基于主题特征构建 Transatopic模型，在学习三元组的同时融合关系中的描述文本信息，以增强知识图谱的表示效果。采用基于主题模型和变分自编器的关系向量构建方法，根据关系上的主题分布信息将同一关系表示为不同的实值向量，同时将损失函数中的距离度量由欧式距离改进为马氏距离，从而实现向量不同维权重的自适应赋值。实验结果表明在应用于链路预测和三元组分类等任务时， Transa Topic模型的 Mean Rank HITS@5和HITS@10指标较 Transe模型均有显著改进。

下载并关注上传者 开通VIP，低至0.08元下载/次

声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉

评论(0)
发评论

下载排行榜

全部0条评论

快来发表一下你的评论吧 !