基于注意力机制和多关系事件的时序知识图谱推理

来源 :微电子学与计算机 | 被引量 : 0次 | 上传用户:lzslzs2002
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
时序知识图谱推理是将时序信息引入知识表征学习和知识推理任务中,旨在推断事件在未来的演变趋势.针对大多数时序知识图谱推理方法存在跨时间实体与关系推理能力有限的问题,提出基于多关系事件和注意力机制的时序知识图谱推理模型(Attention Events Network,Attn-Net).为利用时序知识图谱中推理任务与时序事件的关联信息,往往需要设计专门的、复杂度高的时序编码器.然而循环神经网络作为最常用的一类序列编码器,忽略了序列节点与任务之间的关联程度,并不能很好适用于知识推理.文中提出了使用自注意力机制序列编码模型来融合序列的历史信息,计算推理任务与时序历史信息的注意力标量,从而得到更准确的历史事件关联信息编码.在此基础上,使用注意力机制优化多关系邻域聚合器,根据不同关系下事件关注程度计算得到实体的邻域表示,从而获得更准确的事件编码,最终获取了更准确的实体邻域向量表示.在WIKI和YAGO数据集上实验表明,Attn-Net的效果分别提升了1.5%和2%,且有效提高了时序知识图谱推理的能力.
其他文献
期刊
结合悬索桥塔顶索鞍吊装塔架吊装过程,利用MidasCivil对该塔架吊装过程在静力荷载和风荷载作用下的受力情况进行分析,获得了吊装塔架的应力分布、变形和整体稳定情况,分析结果为索鞍的吊装施工提供了指导依据。
会议
多年来国家层面出台了一系列基础教育减负政策,但是中小学生依然饱受学业压力困扰,现实状况与政策愿景之间的鸿沟尚未完全消解。描绘我国基础教育减负政策的规制样态,是科学解释政策效用与优化政策的前提。运用制度语法工具并借助制度分析与发展框架对基础教育减负政策文本进行编码、解构和分析发现,基础教育减负政策围绕以政府为主体的集体选择层次,以学校、校外培训机构和家庭为主体的操作层次开展制度设计,具有不同层次主体
期刊
废旧锂离子电池资源化回收利用研究主要集中在正极材料回收有价金属方面,而对负极材料的回收利用研究较少。废旧负极材料含有锂和石墨,其品位远高于矿石中含量,是极具回收价值的“城市矿山”。本文以硫酸为浸出剂,从废旧负极材料中回收锂资源和石墨。考察了硫酸浓度、固液比、时间、温度对锂浸出效果的影响。研究结果表明,H2SO4浓度1.5 mol·L-1、固液比60 g·L-1、反应时间40 min和反应温度45℃
期刊
受库存薯市场供应偏紧和冬薯主产区遭受低温灾害天气影响,2023年上半年前期马铃薯价格同比偏高;在种植规模缩减和灾害天气影响共同作用下,春季马铃薯价格较上年明显上涨;从近10年同期数值来看,2023年上半年马铃薯总体价格水平处于最高位。由于2023年6—8月马铃薯市场供应主体为2023年产季春季马铃薯,预计薯价仍将高于上年同期水平;9—12月,马铃薯市场供应主体为2023年产季秋季马铃薯,在不发生大
期刊
<正>习近平总书记在二十届中央财经委员会第一次会议上强调,现代化产业体系是现代化国家的物质技术基础;加快建设以实体经济为支撑的现代化产业体系,关系我们在未来发展和国际竞争中赢得战略主动。我们必须认真学习习近平总书记关于建设现代化产业体系的重要论述精神,深入领会蕴含其中的深刻内涵和深邃思想,坚持以实体经济为重,推进产业智能化、绿色化、融合化,建设具有完整性、先进性、安全性的现代化产业体系,
期刊
伴随着新能源整车市场的爆发式增长,新能源售后市场的发展也突飞猛进。从新能源维修服务运营角度来看,2022年是中国汽车售后服务电动化转型的元年。
期刊
针对现有时序知识图谱模型多数基于静态知识图谱快照序列进行推理,无法充分捕获细粒度时序特征的问题,设计了基于图谱重构的时序知识图谱推理模型模型(Graph Reconstruction for Temporal Knowledge Reasoning, GRTKR)。该模型通过对实体的时间邻域进行采样完成时序知识图谱重构,结合时间编码器提供的显式时序特征与邻域特征聚合器提供的隐式时序特征来提升对时序
期刊
在创新驱动发展战略持续推进的背景下,科技金融对于支持科技型中小企业发展、推动科技创新不断升级具有重大战略意义。首先基于信息不对称理论的视角探讨政府在科技金融支持体系构建中的作用;然后以江苏省为典型案例,分析政府主导型科技金融支持体系的架构、内容及其存在的主要问题;最后提出相应的政策建议。
期刊
组织和检索信息是人机交互中重点关注的话题之一。基于知识图谱的智能问答系统通过语义解析用户问题,检索知识并回答问题,已成为一种信息检索的有效途径,是人机交互典型应用。时序知识图谱问答系统通过语言模型获取问题中的实体和时间戳,并在大型时序知识图谱TKG(Temporal Knowledge Graph)中检索答案。然而,时序知识图谱问答系统包含两个挑战:1) 给定问题,需检索整个TKG,效率低且易受干
期刊