类型增强的时态知识图谱表示学习模型

知识图谱表示学习旨在将知识图谱中的元素（实体和关系）表示在低维的连续向量空间中，可以有效地实现知识图谱补全并提高计算效率，是贯穿知识图谱构建和应用全过程的重要问题.现有的知识图谱表示学习模型大多基于静态的结构化三元组，忽略了知识的时间动态性和实体的类型特征，限制了它们在知识图谱补全和语义计算中的表现.针对这一问题，提出一种类型增强的时态知识图谱表示学习模型（type-enhanced temporal knowledge graph representation learning model,T-Temp），基于经典的张量分解技术，将不同形式的时间信息显式融合到知识图谱表示学习过程中.同时，利用实体与关系间的类型兼容性，充分挖掘隐含在实体中的类型特征，进一步提升表示学习的准确性.此外，证明T-Temp模型具有完全表达性，且与同类模型相比，具有较低的时空复杂度.在多个真实的时态知识图谱上进行的详细实验说明了T-Temp模型的有效性和先进性.     

一种基于实体时间敏感度的知识表示方法

在知识图谱(KnowledgeGraph)中,知识表示方法旨在通过一种低维稠密的向量表示方法来高效地挖掘不同实体、关系之间复杂语义关系,在知识问答、信息检索等领域有着重要意义。然而,现有的绝大多数的知识表示方法忽略了时间因素,无法表示应用中随时间变化的动态知识。针对该问题,本文提出一种基于实体时间敏感度的知识表示方法。该方法将时间信息以不同程度融入不同类型的实体向量表示中,然后进行实体和关系之间语义挖掘。实验结果表明,这种基于实体时间敏感度的表示方法能够明显提高知识图谱的时态知识补全和预测任务性能。     

融合相似用户影响效应的知识图谱推荐模型

知识图谱(KG)具有丰富的结构化信息，能有效缓解推荐模型的稀疏性和冷启动问题，提升推荐系统的准确性与可解释性。近年来，融合知识图谱的端到端推荐模型成为技术趋势。提出了一种融合相似用户影响效应的知识图谱推荐模型，该模型在有效利用知识图谱的前提下，扩充了用户与项目之间的交互方式。首先，利用图神经网络邻域聚合策略与注意力机制，分别捕获用户与项目在知识图谱上的2种高阶表示；其次，根据相似用户的影响效应，设计影响力增强层，捕获相似用户影响效应的潜在表示；最后，将上述3种表示共同反馈到多层感知机中，输出预测分值。在真实数据集上的实验结果验证了所提模型的有效性和效率。     

基于知识增强的命名实体识别方法研究

命名实体识别作为自然语言处理中一项十分基础的任务，其目的是从一段用自然语言描述的文本中识别出相应的实体及类型。知识图谱作为以三元组形式存在的外部知识，已经在很多自然语言处理任务中得以应用并取得了良好效果。文中提出了一种基于知识图谱信息增强的注意力对齐命名实体识别方法，首先通过嵌入层和注意力机制嵌入知识图谱信息，获取知识图谱三元组信息的表示；其次通过BERT-BiLSTM获取句子的上下文表示；然后通过一种注意力对齐模块分配三元组权重融合知识图谱信息与句子信息的表示；最后通过softmax控制融合后的表示向量的预测输出，进而获取实体的标签。该方法有效避免了因知识图谱的融合而改变原句子的语义信息，同时也使得句子中的词向量具有丰富的外部知识。所提方法在中文通用数据集MSRA和医疗领域专用数据集Medicine上的F1值分别达到了95.73%和93.80%,相比基线模型提升了1.21%和1.3%。     

低环境负荷水泥配料专家系统的设计与实现

低环境负荷水泥配料专家系统是专家系统技术在水泥工程上的应用。本文重点讨论了低环境负荷水泥配料专家系统中知识获取和表示、推理机等专家系统的核心技术。在知识表示上，采用了产生式、语义网络、框架多种方式相结合的表示方法；在推理机的实现过程中，采用正向推理和逆向推理策略。     

一种基于符号神经网络的知识获取方法

本文介绍一种基于符号神经网络的知识获取方法，该方法首先用传统的机器学习方法获取关于某领域的粗略知识，然后把这些知识映射到神经网络结构，通过神经网络的自学习获取关于该领域的精细知识，这样，既解决了传统机器学习中知识精度，知识表示等问题，又解决了神经网络获取知识时间长，能释能力弱等问题。     

基于知识的参数化设计层次模型

提出一种融合知识的参数化设计层次模型，以解决系列化产品大量重复设计问题．首先，在分析计算机辅助产品设计现状的基础上，提出以行业知识表示为核心的模型框架；然后，对构成模型的各个层次模型及层次间的结合等问题进行详细讨论，提出融合行业知识的设计特征、行业知识的三元组统一描述方法以及基于知识的装配等概念；最后，结合压力机产品主传动系统的设计，给出了模型实现的实例．     

基于间断区间的时间本体表示及应用

通过间断区间的时态理论扩展了OWL-Time,用在本体中表达单个事件带间断时区的情况。在本体中定义了间断区间概念以及间断区间的时态关系,并以物流领域运输事件的表示为例阐述了领域中基于间断区间的时间知识在本体中的表示方式。通过定义Jena中的原语、规则以及扩展对推理模型的操作构建了相应的推理机,对推理机进行实验检验,不仅验证了推理机运行的正确性,同时也保证了时间知识在本体和规则中表示的正确性,解决了带间断区间的时态知识在语义网中表示和推理的问题。     

基于XML知识管理的研究

本文首先分析了知识管理中知识表示的特点，接着提出了一个基于XML的知识管理模型KMM—BX，并给出了该模型一个应用的示例；在此基础上分析了该模型的特点。     

工程专家系统中多种知识表示的一种集成方法及其实现

在分析现有知识表示方法的基础上，本文结合工程领域知识的特点，提出了一种集成知识表示方法。利用列表概念描述，概念层次和属性约束等要素，能有效地表示列法、框架、村、规则等形式的知识，从而较好地处理了工程领域专家系统中多种知脚注是的转换问题。     

Temporal Bayesian Knowledge Bases – Reasoning about uncertainty with temporal constraints

Time is ubiquitous. Accounting for time and its interaction with change is crucial to modeling the dynamic world, especially in domains whose study of data is sensitive to time such as in medical diagnosis, financial investment, and natural language processing, to name a few. We present a framework that incorporates both uncertainty and time in its reasoning scheme. It is based on an existing knowledge representation called Bayesian Knowledge Bases. It provides a graphical representation of knowledge, time and uncertainty, and enables probabilistic and temporal inferencing. The reasoning scheme is probabilistically sound and the fusion of temporal fragments is well defined. We will discuss some properties of this framework and introduce algorithms to ensure groundedness during the construction of the model. The framework has been applied to both artificial and real world scenarios.     

Representing complex knowledge in an intelligent machine tutor

Knowledge representation remains a serious issue for researchers of intelligent tutoring systems. Two areas of knowledge representation that are particularly difficult are domain and teaching knowledge. This article discusses and gives example solutions to these knowledge engineering issues and also addresses issues that relate to up-scaling existing intelligent tutoring technology to practical levels so that tutoring systems can be brought into the real world.     

时空相关性融合表征的知识追踪模型

知识追踪通过对知识点的表示来描述习题,以此建模知识状态,最终预测学习者的未来表现。然而目前的研究在知识点的表示方面既没有建模历史知识点对当前知识点产生的时间关系上的影响,又未能刻画习题内部各知识点之间产生的空间关系上的作用。为了解决上述问题,提出了时空相关性融合表征的知识追踪模型。首先,以知识点之间的时间相关程度为基础,建模历史知识点对当前知识点的时间作用;其次,利用图注意力网络建模习题所包含的若干知识点之间的空间作用,得到蕴涵了时空信息的知识点表示;最后,利用上述知识点的表示推导出习题的表示,通过自注意力机制得到当前的知识状态。在实验阶段,与五种相关知识追踪模型在四个真实数据集上进行性能对比,结果表明提出的模型在性能方面有更出色的表现。特别地,在ASSISTments2017数据集中所提模型比五个对比模型在AUC、Acc方面分别提升了1.7%~7.7%和7.3%~2.1%;消融实验证明了建模知识点之间时空相关影响的有效性,训练过程实验表明了提出的模型在知识点的表示及其相互作用关系的建模等方面具有一定的优势,应用实例也可看出该模型优于其他知识追踪模型的实际结果。     

应急系统中不确定时态知识表示及其推理

在分析现有不确定信息表示模型基础上,提出了一种可扩展的时态知识表示模型,该模型对真实事件的间断性表示加以改进,进而讨论了应急决策知识库的构建方法和相应推理机制。实验数据表明,在原型系统中使用改进后的表示模型和推理方法,能够提高应急系统处理效率和决策方案的合理性。     

面向时间感知的知识超图链接预测

知识超图是一种使用多元关系表示现实世界的异构图,但无论在通用领域还是垂直领域,现有的知识超图普遍存在不完整的情况.因此,如何通过知识超图中已有的链接推理缺失的链接是一个具有挑战性的问题.目前大多数研究使用基于多元关系的知识表示学习方法完成知识超图的链接预测任务,但这些方法仅从时间未知的超边中学习实体与关系的嵌入向量,没有考虑时间因素对事实动态演变的影响,导致在动态环境中的预测性能较差.首先,根据本文首次提出的时序知识超图定义,提出时序知识超图链接预测模型,同时从实体角色、位置和时序超边的时间戳中学习实体的静态表征和动态表征,以一定比例融合后作为实体嵌入向量用于链接预测任务,实现对超边时序信息的充分利用.同时,从理论上证明模型具有完全表达性和线性空间复杂度.此外,通过上市公司的公开经营数据构建时序知识超图数据集CB67,并在该数据集上进行了大量实验评估.实验结果表明:模型能够在时序知识超图数据集上有效地执行链接预测任务.     

Models of representation of fuzzy temporal knowledge in databases of temporal series

the problem of representation of fuzzy knowledge in databases of temporal series is considered. The existing approaches to formalization and search of temporal knowledge in such databases are described. A new class of models for representation of fuzzy temporal knowledge in databases of time series is proposed in order to support the processes of knowledge revealing. The methodology of estimating the efficiency of representations based on the use of general-system principles of human thinking and speaking communication is presented. Based on the selected system of criteria, the advantages of the proposed class of models are substantiated.     

Time-aware Knowledge Hypergraph Link Prediction

A knowledge hypergraph is a form of heterogeneous graph representing the real world through $n$-ary relations, but existing knowledge hypergraphs are usually incomplete in both general and vertical domains. Therefore, it is challenging to infer the missing links from the existing links in knowledge hypergraphs. Most of the current studies employ knowledge representation learning methods based on $n$-ary relations to accomplish link prediction in knowledge hypergraphs, but they only learn the embedding vectors of entities and relations from time-unknown hyperedges without considering the influence of temporal factors on the dynamic evolution of facts, which results in poor prediction performance in dynamic environments. Firstly, based on the definition of temporal knowledge hypergraphs proposed by this paper for the first time, this paper puts forward a link prediction model for temporal knowledge hypergraphs and learns static and dynamic representations of entities from their roles, positions, and timestamps of temporal hyperedges. Then these representations are merged in a certain proportion and utilized as final entity embedding vectors for link prediction tasks to realize the full exploitation of hyperedge temporal information. Meanwhile, it is theoretically proven that the proposed model is fully expressive with linear space complexity. Additionally, a temporal knowledge hypergraph dataset CB67 is constructed from the public business data of listed companies, and a large number of experimental evaluations are conducted on this dataset. The experimental results show that the proposed model can effectively perform link prediction tasks on the temporal knowledge hypergraph dataset.     

Temporal knowledge representation and reasoning techniques usingtime Petri nets

In this paper, we present temporal knowledge representation and reasoning techniques using time Petri nets. A method is also proposed to check the consistency of the temporal knowledge. The proposed method can overcome the drawback of the one presented in Yao (1994). It provides a useful way to check the consistency of the temporal knowledge.     

Temporal aspects in FMS scheduling: An overview

This work addresses the basic temporal concepts involved in FMS scheduling activities such as temporal factors and knowledge forms. Attention is also given to the major components of temporal frameworks: time representation schemes, constraint propagation formalisms, and consistency maintenance modules, as well as representation requirements. Major approaches to these issues are reviewed and discussed.