基于深度学习的知识表示研究：网络视角

作者：余传明^*; 李浩男; 王曼怡; 黄婷婷; 安璐

来源：数据分析与知识发现, 2020, 4(01): 63-75.

• 知识表示
• 深度学习
• 网络表示学习
• 链接预测

【目的】从知识网络视角探究如何更好地表示知识对象的语义关系。【方法】在已有网络表示学习算法的基础上,借助于集成学习和深度学习思想,提出组合式知识网络表示学习模型(Combined Knowledge Network Representation Learning,CKNRL)。【结果】在中英文新闻平行语料的知识网络链接预测任务上,CKNRL模型的AUC取值为0.929,高于单一的网络表示算法DeepWalk(0.925)、Node2Vec(0.926)和SDNE(0.899),验证了CKNRL模型的有效性。【局限】实证研究仅建立在共词网络的基础上,尚未检验CKNRL模型在更多类型的知识网络链接预测中的效果。【结论】通过建立融合模型能够更好地表示知识对象之间的语义关系。

• 单位
  中南财经政法大学; 数学学院