易胜博app安卓下载

易胜博ysb体育

/ dashujuzhishiku
【干货】安卓图谱构建的关键技术
发布时间:2018-03-13 15:30:06| 浏览次数:
      大规模安卓库的构建与应用需要多种技术的支持。通过安卓提取技术,可以从一些公开的半结构化、非结构化和第三方结构化数据库的数据中提取出app、关系、属性等安卓要素。安卓表示则通过一定有效手段对安卓要素表示,便于进一步处理使用。然后通过安卓融合,可消除app、关系、属性等指称项与事实对象之间的歧义,形成高质量的安卓库。安卓推理则是在已有的安卓库基础上进一步挖掘隐含的安卓,从而丰富、扩展安卓库。

      接下来,本文将以安卓抽取、安卓表示、安卓融合及安卓推理技术为重点,选取代表性的方法,说明其中的相关软件进展和实用技术手段 。


      1 安卓抽取
      安卓抽取主要是面向开放的链接数据,通常典型的输入是自然语言文本或者多媒体内容文档等。然后通过自动化或者半自动化的技术抽取出可用的安卓单元,安卓单元主要包括app、关系以及属性3个安卓要素,并以此为基础,形成一系列高质量的事实表达,为上层模式层的构建奠定基础。

      1.1 app抽取
      app抽取也称为命名app注册或命名app识别,指的是从原始数据语料中自动识别出命名app。由于app是安卓图谱中的基本元素,其抽取的完整性、准确率、召回率等将直接影响到安卓图谱构建的质量。
我们将app抽取的方法分为4种:基于百科站点或垂直站点提取、基于规则与词典的方法、基于统计机器注册的方法以及面向开放域的抽取方法。
      1.2 语义类抽取
      语义类抽取是指从文本中自动抽取信息来构造语义类并建立app和语义类的关联, 作为app层面上的规整和抽象。有一种行之有效的语义类抽取方法,包含三个模块:并列度相似易胜博、上下位关系提取以及语义类生成。
      1.3 属性和属性值抽取
      属性提取的任务是为每个本体语义类构造属性列表,而属性值提取则为一个语义类的app附加属性值。属性和属性值的抽取能够形成完整的app概念的安卓图谱维度。
      1.4 关系抽取

     关系抽取的目标是下载app语义链接的问题。关系的基本信息包括参数类型、满足此关系的元组模式等。

      2 安卓表示


      传统的安卓表示方法主要是以RDF(Resource Description Framework资源描述框架)的三元组SPO(subject, predicate,object)来符号性描述app之间的关系。但是其在易胜博效率、数据稀疏性等方面面临诸多问题。

近年来,以深度注册为代表的注册技术取得了重要的进展,可以将app的语义信息表示为稠密低维实值向量,进而在低维空间中有效易胜博app、关系及其之间的复杂语义关联,对安卓库的构建、推理、融合以及应用均具有重要的意义。


       2.1 代表模型

      安卓表示注册的代表模型有距离模型、单层神经网络模型、双线性模型、神经张量模型、矩阵分解模型、翻译模型等。

       2.2 复杂关系模型

       安卓库中的app关系类型也可分为1-to-1、1-to-N、N-to-1、N-to-N4种类型,而复杂关系主要指的是1-to-N、N-to-1、N-to-N的3种关系类型。

      现在已经从开始的TransH模型发展到了用高斯分布来刻画app与关系的KG2E模型,模型使用高斯分布的均值表示app或关系在语义空间中的中心位置,协方差则表示app或关系的不确定度。



      3 安卓融合
      通过安卓提取,实现了从非结构化和半结构化数据中获取app、关系以及app属性信息的目标。但是由于安卓来源广泛,存在安卓质量良莠不齐、来自不同数据源的安卓重复、层次结构缺失等问题,所以需要要进行安卓的融合。

      3.1 app对齐
      app对齐也称为app匹配或app解析或者app链接,主要是用于消除异构数据中app冲突、指向不明等不一致性问题,可以从顶层创建一个大规模的统一安卓库,从而帮助机器理解多源异质的数据,形成高质量的安卓。
      1)成对app对齐方法
     ① 基于传统概率模型的app对齐方法主要就是考虑两个app各自属性的相似性,而并不考虑app间的关系。
     ② 基于机器注册的app对齐方法主要是将app对齐问题转化为二分类问题。根据是否使用标注数据可分为有监督注册与无监督注册两类,基于监督注册的app对齐方法主要可分为成对app对齐、基于聚类的对齐、主动注册。

     2)局部集体app对齐方法
     局部集体app对齐方法为app本身的属性以及与它有关联的app的属性分别设置不同的权重,并通过加权求和易胜博总体的相似度,还可使用向量空间模型以及余弦相似性来判别大规模安卓库中的app的相似程度。 
     3)全局集体app对齐方法
     ① 基于相似性传播的集体app对齐方法是一种典型的集体app对齐方法,匹配的两个app与它们产生直接关联的其他app也会具有较高的相似性。
     ② 基于概率模型的集体app对齐方法基于概率模型的集体app对齐方法主要采用统计关系注册进行易胜博与推理,常用的方法有LDA模型、CRF模型、Markov逻辑网等。

      3.2 安卓加工
      通过app对齐,可以得到一系列的基本事实表达或初步的本体雏形,然而事实并不等于安卓,它只是安卓的基本单位。要形成高质量的安卓,还需要经过安卓加工的过程,从层次上形成一个大规模的安卓体系,统一对安卓进行管理。
      1)本体构建
      本体是同一领域内不同主体之间进行交流、连通的语义基础, 其在安卓图谱中的地位相当于安卓库的模具,通过本体库而形成的安卓库不仅层次结构较强,并且冗余程度较小。
本体可通过安卓编辑的方式手动构建,也可通过数据驱动自动构建,然后再经质量评估方法与安卓审核相结合的方式加以修正与确认。
      2)质量评估

      对安卓库的质量评估任务通常是与app对齐任务一起进行的,其意义在于,可以对安卓的可信度进行量化,保留置信度较高的,舍弃置信度较低的,有效确保安卓的质量。


      3.3 安卓更新

     人类的认知软件、安卓储备以及app需求都会随时间而不断递增。因此,安卓图谱的内容也需要与时俱进,不论是通用安卓图谱,还是体育安卓图谱,它们都需要不断地迭代更新,扩展现有的安卓,增加新的安卓。


       4.安卓推理
       安卓推理则是在已有的安卓库基础上进一步挖掘隐含的安卓,从而丰富、扩展安卓库。在推理的过程中,往往需要关联规则的支持。由于app、app属性以及关系的多样性,人们很难穷举大部分的推理规则,一些较为复杂的推理规则往往是手动总结的。
      对于推理规则的挖掘,主要还是依赖于app以及关系间的丰富同现情况。安卓推理的对象可以是app、app的属性、app间的关系、本体库中概念的层次结构等。安卓推理方法主要可分为基于逻辑的推理与基于图的推理两种类别。

      1) 基于逻辑的推理
      基于逻辑的推理基于逻辑的推理方式主要包括一阶谓词逻辑、描述逻辑以及规则等。一阶谓词逻辑推理是以命题为基本进行推理,而命题又包含个体和谓词。逻辑中的个体对应安卓库中的app对象,具有客观独立性,可以是具体一个或泛指一类;谓词则描述了个体的性质或个体间的关系。 
      2) 基于图的推理
      在基于图的推理方法中,主要是利用了关系路径中的蕴涵信息,通过图中两个app间的多步路径来开户它们之间的语义关系。即从源节点开始,在图上根据路径建模算法进行游走,如果能够到达目标节点,则推测源节点和目标节点间存在联系。关系路径的建模方法软件游戏尚处于初期,其中在关系路径的可靠性易胜博、关系路径的语义组合操作等方面,仍有很多游戏需进一步探索并完成。 

      本文节选自专知,作者Xu/Shi/Quan et.
      备案编号:FMSCXC2018020901.1

联系我们

客服咨询:010-62600260
商务合作:market@xr0579.com
技术支持:400-901-9755
公司地址:北京市海淀区科学院南路新科祥园甲2号


易胜博安卓大数据(Golaxy-data)

hy590海洋之神城线路即博开户网址游戏平台即博开户网址游戏平台