基于非结构化文本增强关联规则的知识推理方法

• 作者: 任诗雅 李智星 沈柯 王化明
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 知识图谱完善 关联规则 知识推理 文本增强 三元组知识
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 人工智能
• 页码范围: 209-215
• 页数: 7页
• 分类号: TP391
• 字数: 7557字
• 语种: 中文
• DOI: 10.11896/jsjkx.181001939

摘要

知识图谱用一种结构化的方式存储实体、实体的属性以及实体之间的关系.由于知识图谱中的知识易于被计算机处理,因此它在许多自然语言处理任务中都起着至关重要的作用.虽然从绝对数量来看,现有的知识图谱已经包含了海量的三元组事实,但是与真实世界中存在的知识相比它远远不够.因此,如何完善知识图谱成为目前的研究热点.现有的研究方向主要分为内部推理和外部抽取两类,然而这些方法仍有很大的提升空间:一方面,由于知识图谱内部知识存在错误或缺失,可能会在推理时产生错误的扩散;另一方面,现有的知识抽取方法主要集中于对实体类型、关系等知识的抽取,从而导致抽取的知识不够全面.鉴于此,提出了一种基于非结构化文本增强关联规则的知识推理方法.该方法从非结构化文本表述中抽象出文本表述模式,并以词语分布袋的形式对其进行表示,进而结合知识图谱已有的知识构建关联规则.与传统关联规则的区别在于,该方法得到的关联规则可以通过与非结构化文本匹配的方式来完成知识推理.实验结果表明,与传统方法相比,该方法可以高效地从非结构化文本中推理出数量更大且质量更高的三元组知识.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李智星	重庆邮电大学计算机科学与技术学院	8	43	2.0	6.0
5	任诗雅	重庆邮电大学计算机科学与技术学院	1	2	1.0	1.0
9	王化明	重庆邮电大学计算机科学与技术学院	1	2	1.0	1.0
13	沈柯	重庆邮电大学计算机科学与技术学院	1	2	1.0	1.0