基于Ontology的企业数据的集成语义检索系统的研究与设计

提出并实现了一个以某特定企业领域的概念化模型——领域本体作为统一语义模型的集成语义检索系统UnionSearch。该系统从领域本体出发,提出并实现了不同类型的企业数据的语义统一查询过程。该企业的应用结果表明此系统能有效解决企业知识的异构问题。     

G2S:基于语义块的知识图谱问答语义解析

问题意图理解是知识图谱问答的主要任务之一,语义解析是当前理解问题意图的主流方法.其主要挑战是如何充分利用知识图谱上下文理解问句中的隐含实体或关系,以及时间、排序和聚合等复杂约束条件等意图.为了应对这些挑战,本文提出了一种基于语义块的知识图谱问答语义解析框架——Graph-to-Segment,框架中的语义解析模型结合了基于规则的准确度和基于深度学习的覆盖度,实现了问题到语义块序列的解析和语义查询图的构造.框架将问题意图使用基于语义块的语义查询图表示,将问题的语义解析建模为语义块序列生成任务,采用编码器-解码器神经网络模型实现问题到语义块序列的解析,然后通过语义块组装形成语义查询图.同时,结合知识图谱中的上下文信息,模型使用图神经网络学习问题的表示,改进隐含实体或关系的语义解析效果.在两个知识图谱问答数据集上的实验表明,模型性能达到了良好的效果.     

智简语义通信的链路设计及关键技术研究

智简语义通信是一种模型驱动的语义通信新范式，融合了人工智能与通信技术，实现通信对象间高效的语义交互。提出了智简语义通信系统的链路结构和关键技术，从链路结构、语义模型增强、模型传输3个角度，实现语义通信系统的整体性能增强。提出了4种智简语义通信的关键技术，为未来6G赋能多种垂直行业和新场景应用提供了参考：语义知识图谱增强的智简通信技术通过增加语义知识这一信息维度，提升了语义知识恢复准确度和传输效率；语义知识图谱的云-边-端协同预缓存技术可以实现语义知识图谱的高效获取，辅助语义恢复性能；模型传输与部署技术可以实现模型、网络资源与终端能力的有效适配；语义模型传输与恢复级联过程的部署成功率为大规模语义模型传输及资源部署提供理论依据。     

一种结构化数据源的语义建模方法

结构化数据源语义模型的建立,有助于建立和扩充知识图。面对爆炸式增长的数据,需要一种可以为新的结构化数据源提供更高效更精准的建模方法。在新数据源对应领域本体知识和旧的语义模型基础之上,建立一种更合理的结构化数据源建模的方法,并且该语义模型的建模方法是可扩展的,即利用该领域本体知识和已知的语义模型来构建一个加权图,将该领域新的结构化数据源与领域本体之间建立映射,来为新的数据源创建更为合理的语义模型。     

基于相似性计算的领域模型语义查询

为提高领域资产库的复用能力,解决领域模型与用户的个性化需求不能完全匹配时仍能为目标应用系统的构建提供支持的问题,提出了领域模型语义查询算法.通过服务模型相似度计算结果,建立同一问题域中同类模型之间的语义关联,并以此为基础,提出领域模型的语义查询算法.最后介绍了该算法在领域建模平台中的应用.     

基于多源异构数据融合的电力工程知识图谱架构算法

针对电力行业数字化进程中出现的对于多源异构类型数据的分析效率低、概念逻辑混乱等问题,开展了基于数据融合的电力工程知识图谱架构算法研究。在收集电力行业数据和外部数据并整理相关领域专业术语的基础上,构建了电力工程知识图谱,采用CRF算法将非结构化文本信息转化为结构化信息。最终将典型相关分析（CCA）与深度神经网络相结合,利用逐层语义匹配的方法,架构出满足域私有网络和域共有网络的深度语义匹配模型。通过设置对照组进行对比测试结果表明,文中提出的多源异构数据融合模型可以有效提高不同领域实例数据的融合精度,较两种对比算法分别提高了8.32%和11.7%,具有较为理想的综合性能。     

基于多模态特征转换嵌入的场景图生成

场景图生成是计算机视觉领域中的热点研究方向，可连接上、下游视觉任务。场景图由形式为<主语-谓语-宾语>的三元组组成，模型需要对整幅图像的全局视觉信息进行编码，从而辅助场景理解。但目前模型在处理一对多、多对一和对称性等特殊的视觉关系时仍存在问题。基于知识图谱与场景图的相似性，我们将知识图谱中的转换嵌入模型迁移至场景图生成领域。为了更好地对此类视觉关系进行编码，本文提出了一种基于多模态特征转换嵌入的场景图生成框架，可对提取的视觉和语言等多模态特征进行重映射，最后使用重映射的特征进行谓语类别预测，从而在不明显增加模型复杂度的前提下构建更好的关系表示。该框架囊括并补充了现存的几乎所有转换嵌入模型的场景图实现，将四种转换嵌入模型（TransE、TransH、TransR、TransD）分别应用于场景图生成任务，同时详细阐述了不同的视觉关系类型适用的模型种类。本文所提框架扩展了传统应用方式，除独立模型之外，本文设计了新的应用方式，即作为即插即用的子模块插入到其他网络模型。本文利用大规模语义理解的视觉基因组数据集进行实验，实验结果充分验证了所提框架的有效性，同时，得到的更丰富的类别预测结...     

知识图谱在媒体资产管理中的应用

传统的媒体资产管理系统面临着内容关联性、语义理解和智能化搜索等挑战。知识图谱作为一种语义表示和关联数据的新兴技术,正在媒体资产管理领域得到初步应用。基于此,从媒体内容智能标注、个性化推荐、工作流优化等方面探析知识图谱与媒体资产相结合的方式,以实现更加智能、高效和个性化的媒体资产管理,提升媒体行业的生产力和用户体验。     

一种基于知识图谱的电气设备推荐搜索技术研究

随着信息技术的飞速发展,信息数据呈指数爆炸型增长趋势,知识图谱的出现有效地帮助用户快速有效地搜索得到所需信息。为此,本文对知识图谱的基本特征、实现流程以及当下的应用特性进行分析,提出了一种基于知识图谱的电气维修设备推荐搜索技术。通过将知识图谱中物品的向量化表示方法与协同过滤算法结合,充分应用知识图谱中电气设备的语义信息以及操作用户对电气设备的行为数据,搭建了基于知识图谱的协同过滤算法模型,并对算法的计算过程进行详细描述。最后,应用交叉验证法对所提模型的有效性进行验证,结果表明本文所提算法模型能够显著提升检索结果的有效性。     

融合语义路径与语言模型的元学习知识推理框架

针对传统推理方法无法兼顾计算能力与可解释性,同时在小样本场景下难以实现知识的快速学习等问题,该文设计一款融合语义路径与双向Transformer编码(BERT)的模型无关元学习(MAML)推理框架,该框架由基训练和元训练两个阶段构成。基训练阶段,将图谱推理实例用语义路径表示,并代入BERT模型微调计算链接概率,离线保存推理经验;元训练阶段,该框架基于多种关系的基训练过程获得梯度元信息,实现初始权值优化,完成小样本下知识的快速学习。实验表明,基训练推理框架在链接预测与事实预测任务中多项指标高于平均水平,同时元学习框架可以实现部分小样本推理问题的快速收敛。