本发明提供了一种面向跨媒体知识推理任务的知识表示方法,该方法包括:抽取跨媒体知识图谱的RDF三元组信息,将跨媒体知识图谱RDF三元组数据表示为初始的低维向量;利用最大间隔成本函数训练正负例三元组样本之间的向量表示,同时挖掘正负例三元组样本间的相似性(或差异性),添加到最大间隔成本函数中,提高模型知识推理识别相似实体的能力。本发明能够对基于RDF构建的跨媒体知识图谱三元组进行知识表示和知识推理,利用本发明学习到的知识推理模型进行实体链接和知识分类,能够提高跨媒体知识图谱中的链接预测和三元组分类的准确度。
构造由跨媒体知识图谱正负例三元组进一步挖掘亲疏关系训 练而成的特征表示空间, 能够让mTransH模型“感知”到由正例三元 组衍生出来的负例三元组实体间的不同差异, 提高模型对不同三元组 实体的辨别能力, 从而提高模型对于知识推理的精确度。
大数据国家工程研究中心累计投资3亿余元条件建设和科研运行经费,完成科研条件建设,组建了一支330余人的科研团队,其中,专业技术人员271人,博士46人,硕士研究生142人,正高级职称23人,高级工程师55人。同时聘请了陈润生、沈昌祥、王陇德、杨小牛、岳清瑞、王坚等6位院士担任领军专家。
评价单位:“科创中国”贵州科技服务团 (贵州省科学技术协会)
评价时间:2023-11-04
综合评价
经过细致的技术审查和深入的讨论,专家组对一种面向跨媒体知识推理任务的知识表示方法给予了高度的认可。该方法属于,属于自然语言处理、人工智能等技术领域。该在解决现今大规模数据挑战时显现出卓越的技术优势。特别其独特的构造模型和正负例三元组的知识图谱,都让它在同类产品中脱颖而出。媒体知识推理方法可以应用于各种知识密集型行业,如教育、金融、医疗、媒体等。根据不同的市场需求和用户群体,可以制定不同的市场推广策略和定价策略。
专家建议可以考虑与相关行业的合作伙伴建立合作关系,共同开发和推广产品。同时,也可以寻找投资机构的支持,进行资本融资,以加快产品的研发和市场推广进程。
查看更多>