【摘 要】
：
基于知识图谱的问答系统(knowledge base question answering,KBQA)目前已成为自然语言处理中的热门研究领域。问答系统的应用涉及诸多领域,如医药、电力、交通等各个方面。由此可见,问答系统已成为社会生产发展中必不可少的一项技术。该文聚焦于国内外针对知识图谱的问答系统的研究与应用,对其进行分析梳理,总结了知识图谱、知识库以及问答系统的历史、发展及应用等相关知识,以及现有基于知识图谱的问答系统构建的三类方法,分别为基于模板匹配的方法、基于语义解析的方法以及基于向量建模的方法,探究
【机 构】
：
北京信息科技大学网络文化与数字传播北京市重点实验室,北京信息科技大学计算机学院
【基金项目】
：
国家重点研发计划(2018YFB1004100)。
论文部分内容阅读
基于知识图谱的问答系统(knowledge base question answering,KBQA)目前已成为自然语言处理中的热门研究领域。问答系统的应用涉及诸多领域,如医药、电力、交通等各个方面。由此可见,问答系统已成为社会生产发展中必不可少的一项技术。该文聚焦于国内外针对知识图谱的问答系统的研究与应用,对其进行分析梳理,总结了知识图谱、知识库以及问答系统的历史、发展及应用等相关知识,以及现有基于知识图谱的问答系统构建的三类方法,分别为基于模板匹配的方法、基于语义解析的方法以及基于向量建模的方法,探究
其他文献
类不平衡分类问题是模式识别与机器学习领域研究的热点问题之一,广泛出现在软件缺陷预测、医疗诊断、目标检测等实际应用场景中。现有的类不平衡学习算法通常关注如何通过减少多数类样本数量或增加少数类样本数量来平衡数据集,而忽视了类不平衡数据中常存在的噪声样本以及各类样本间分布重叠的问题,导致算法的分类性能有待提升。为解决上述问题,提出基于Bagging集成学习的多集类不平衡学习算法。该算法由基于Bagging的多集构建和特征提取与多集融合两个模块构成,基于Bagging的多集构建部分通过改进的重采样算法构建多个平衡
针对推荐系统中的传统协同过滤算法刻画邻居差异不够深入、忽略用户兴趣漂移、冷启动问题仍然存在、矩阵分解算法可解释性差且单一推荐算法适应性不强的问题,提出了一种动态信任衰减和信息匹配的协同过滤混合推荐算法(DTDIM-CF)。该算法考察用户间公共评分个数和时间信息调整用户或物品邻居选择机制、引入时间因子造成的信任衰减概念重新定义近邻影响以改进协同过滤算法,提出一种相似度计算的主观评分规范化方法。根据算法初步推荐和历史信息的不匹配度,将改进后的两种动态信任协同过滤算法与矩阵分解算法按照特定规则进行混合,采用二次
如今许多的企业都面临着客户流失的实质问题,客户流失预测对企业的发展也是尤为重要的。对于客户流失预测的问题也有很多解决方案,传统的机器学习方法存在特征工程对模型效果影响较大的缺点,而深度学习则使得算法不会太依赖于领域专业知识和人工特征提取。为提升预测效果,提出一种深度神经网络权重集成方法来对电信客户流失进行预测,其主要思想是在做深度神经网络(DNN)训练的时候,通过随机加权平均(stochastic weight average,SWA)结合同一网络结构下的不同训练阶段的权重获取集成模型,然后对客户流失进行
多任务学习作为深度学习的一个分支,得到了广泛关注与深入研究,但仍然存在网络结构复杂、任务区分困难的问题。据此,基于硬参数共享神经网络给出梯度优化的多任务混合学习方法。首先,无需区分不同任务,将多任务训练数据一同送入网络进行混合训练,所有任务共用一个损失函数,前一次训练所得的网络共享层参数作为下次训练的共享层初始化参数;其次,根据不同共享层提取特征的差异和任务在深层梯度变化的不同,调节相应的激活值,优化网络参数,既保持了硬参数共享神经网络结构的简洁性特点,又利于解决多任务训练过程中数据的非平衡问题;最后,通
细粒度图像识别旨在区分同属某一大类下更为精细的子类,具有类间差距小和类内差距大的特点。同时细粒度数据集往往种类多,而数据量较少,容易产生训练时的过拟合。针对上述问题,文中提出了一种结合注意力混合裁剪的细粒度分类网络,利用注意力机制指导改进的混合裁剪数据增强。首先使用ResNet50作为基础网络提取图像特征,之后利用1*1卷积获取注意力图,再通过双线性注意力池化操作将特征图与注意力融合拼接成特征矩阵
图像美学质量评估在图像推荐和图像编辑美学等行业具有良好的应用前景。大部分美学质量评估方法存在两个问题:第一,只建立了通用美学评估模型,而忽略了个性化审美,这样的评估方法只适用于大众审美的评估,无法区分出不用用户之间的差异;第二,往往只从图像本身特征和整体布局进行评估,没有考虑主体的突出性和位置合理性,由于主体特征对评估结果有较大的影响,以致忽视主体的做法会使得评估结果具有较差的完备性。针对这些问题
针对立体图像视觉技术存在仿真制作周期时间长、成本高、缺少有效的单摄像头图像采集进行立体视觉重建算法等问题,基于图像分割、傅里叶变换、霍夫变换、仿射变换,提出一种新的基于图像边缘特征检测的单目立体视觉算法。该算法首先将输入的图像进行矫正,然后对矫正后的图像进行分割,得到图像边缘特征信息;然后将分割的图像进行处理,再通过交互系统进行相关坐标点的选定,将点的仿射变换运用到整个图像;接着根据图像的边缘特征
为解决视频中人物姿态分类问题,提出了一种基于时空图卷积网络的改进模型。该模型首先结合人体的骨架关键点序列来构建视频中人体运动的时空特征图,将输入的视频人体骨骼关键点进行预处理,对空间节点依照人体运动规律进行子网划分,构造关节序列的时空图;继而对得到的时间特征图与空间特征图确定特征权重与卷积核,并进行级联特征融合;最后根据输入输出通道层数量搭建由图卷积网络与时序卷积网络构成的网络训练模型,基于时空特
学生校园消费数据中隐含了大量的高价值信息,论文从学生消费画像和精准资助两个角度对校园消费数据进行挖掘研究。从数据集本身的特点和kmeans算法的缺陷两个角度出发,论文对kmeans算法进行了两点改进:采用马氏距离代替欧氏距离以适用于具体的校园消费数据应用场景;为了解决随机选择初始聚类中心的方法受离群样本点的影响,采用在高密度样本集合中选择相距最远的k个样本作为初始聚类中心的改进方法。在西安某高校3个月的学生消费数据集上的实验结果表明:论文设计的学生群体分类模型不仅能有效区分不同行为特征的学生,而且能很好地
将雷达信号的近似熵(ApEn)和范数熵(NoEn)提取出构成特征向量,用粒子群优化的支持向量机进行分类识别,得到结果发现对于相似的特征向量识别正确率较低。为了提高雷达辐射源个体的识别正确率,提出了一种基于变分模态分解(variational mode decomposition,VMD)和熵特征相结合的多维特征雷达辐射源信号识别方法。首先利用VMD算法对各雷达信号进行分解,得到两个本征模态组合函数,因为不同的雷达信号分解成各个模态的中心频率也是不同的,然后组合中心频率特征与近似熵、范数熵特征进行特征融合构