動(dòng)態(tài)知識(shí)圖譜應(yīng)用及推理解釋

目錄
“信息科學(xué)技術(shù)學(xué)術(shù)著作叢書(shū)”序
前言
**篇 基礎(chǔ)理論篇
第1章 知識(shí)圖譜基本概念、理論與方法 3
1.1 引言 3
1.2 知識(shí)圖譜基本概念 4
1.3 知識(shí)圖譜理論與方法 5
1.4 本章小結(jié) 7
第2章 知識(shí)圖譜應(yīng)用與可解釋性 8
2.1 引言 8
2.2 知識(shí)圖譜問(wèn)答系統(tǒng)概述 9
2.2.1 知識(shí)圖譜問(wèn)答基本概念 9
2.2.2 時(shí)序問(wèn)題 9
2.2.3 時(shí)序知識(shí)圖譜 11
2.2.4 知識(shí)圖譜問(wèn)答方法 12
2.2.5 時(shí)序知識(shí)問(wèn)答 17
2.2.6 基于知識(shí)圖譜問(wèn)答的圖匹配技術(shù) 20
2.3 知識(shí)圖譜序列**系統(tǒng)概述 22
2.3.1 知識(shí)圖譜序列**系統(tǒng)的基本概念 24
2.3.2 知識(shí)圖譜序列**系統(tǒng)的分類(lèi)、構(gòu)建流程及**算法 24
2.4 可解釋知識(shí)推理 28
2.4.1 知識(shí)推理技術(shù)分類(lèi) 29
2.4.2 基于圖神經(jīng)網(wǎng)絡(luò)的知識(shí)推理 32
2.4.3 面向圖神經(jīng)網(wǎng)絡(luò)的解釋方法 33
2.4.4 知識(shí)推理解釋形式 35
2.5 本章小結(jié) 40
第二篇 基于知識(shí)圖譜的問(wèn)答技術(shù)
第3章 基于時(shí)序約束的候選空間縮減技術(shù) 43
3.1 引言 43
3.2 相關(guān)工作 45
3.2.1 時(shí)序知識(shí)問(wèn)答 45
3.2.2 時(shí)序知識(shí)問(wèn)答中的候選空間縮減 46
3.3 CCSTI候選空間縮減模型 48
3.3.1 問(wèn)題依賴(lài)增強(qiáng)表示 48
3.3.2 答案時(shí)序區(qū)間判定 51
3.3.3 答案邏輯推理 52
3.4 實(shí)驗(yàn)準(zhǔn)備 54
3.5 實(shí)驗(yàn)結(jié)果與分析 55
3.6 本章小結(jié) 58
第4章 衡量時(shí)間信息對(duì)向量精確依賴(lài)的時(shí)序知識(shí)問(wèn)答方法 60
4.1 引言 60
4.2 相關(guān)工作 62
4.3 模型設(shè)計(jì) 64
4.3.1 答案子圖信息增強(qiáng) 65
4.3.2 問(wèn)題表征增強(qiáng) 65
4.3.3 答案預(yù)測(cè) 69
4.4 實(shí)驗(yàn)準(zhǔn)備 69
4.5 實(shí)驗(yàn)結(jié)果與分析 71
4.6 本章小結(jié) 75
第5章 基于再驗(yàn)證框架的時(shí)序問(wèn)題多答案推理方法 76
5.1 引言 76
5.2 相關(guān)工作 78
5.3 模型設(shè)計(jì) 79
5.4 實(shí)驗(yàn)準(zhǔn)備 83
5.5 實(shí)驗(yàn)結(jié)果與分析 84
5.6 本章小結(jié) 87
第三篇 基于知識(shí)圖譜的動(dòng)態(tài)**技術(shù)
第6章 基于遷移學(xué)習(xí)和多智能體深度強(qiáng)化學(xué)習(xí)的知識(shí)推理方法 91
6.1 引言 91
6.2 相關(guān)工作 93
6.3 模型設(shè)計(jì) 96
6.3.1 背景和問(wèn)題定義 96
6.3.2 基于強(qiáng)化學(xué)習(xí)的模型框架 97
6.3.3 基于遷移學(xué)習(xí)的模型訓(xùn)練 101
6.4 實(shí)驗(yàn)結(jié)果與分析 102
6.5 對(duì)比實(shí)驗(yàn)與消融實(shí)驗(yàn) 104
6.6 本章小結(jié) 108
第7章 融合門(mén)控循環(huán)單元和圖神經(jīng)網(wǎng)絡(luò)的知識(shí)圖譜序列**算法 109
7.1 引言 109
7.2 相關(guān)工作 110
7.3 模型設(shè)計(jì) 112
7.3.1 問(wèn)題描述與符號(hào)說(shuō)明 112
7.3.2 KGSR-GG算法實(shí)現(xiàn) 113
7.4 實(shí)驗(yàn)結(jié)果與分析 120
7.4.1 實(shí)驗(yàn)數(shù)據(jù)集介紹 120
7.4.2 基線(xiàn)方法 121
7.4.3 實(shí)驗(yàn)設(shè)置 122
7.4.4 基線(xiàn)方法結(jié)果與分析 124
7.5 本章小結(jié) 128
第8章 基于預(yù)訓(xùn)練與知識(shí)圖譜的序列**模型 129
8.1 引言 129
8.2 相關(guān)工作 130
8.3 模型設(shè)計(jì) 132
8.3.1 相關(guān)定義及公式化描述 132
8.3.2 模型描述 132
8.4 實(shí)驗(yàn) 139
8.4.1 實(shí)驗(yàn)數(shù)據(jù)集及預(yù)處理 139
8.4.2 評(píng)價(jià)指標(biāo) 139
8.4.3 參數(shù)設(shè)置 140
8.4.4 基線(xiàn)方法 141
8.4.5 實(shí)驗(yàn)結(jié)果與分析 141
8.5 本章小結(jié) 149
第四篇 知識(shí)推理的可解釋方法
第9章 面向知識(shí)圖譜鏈接預(yù)測(cè)任務(wù)的解釋子圖生成 153
9.1 引言 153
9.2 相關(guān)工作 154
9.3 模型設(shè)計(jì) 155
9.3.1 模型框架 155
9.3.2 單關(guān)系圖轉(zhuǎn)換 156
9.3.3 圖神經(jīng)網(wǎng)絡(luò)模型設(shè)置 158
9.3.4 解釋生成 159
9.4 實(shí)驗(yàn) 159
9.5 實(shí)驗(yàn)結(jié)果與分析 161
9.5.1 知識(shí)圖譜補(bǔ)全實(shí)驗(yàn)與結(jié)果分析 161
9.5.2 解釋提取實(shí)驗(yàn)與結(jié)果分析 163
9.6 本章小結(jié) 165
第10章 基于解釋子圖的知識(shí)圖譜邏輯規(guī)則提取算法 166
10.1 引言 166
10.2 相關(guān)工作 167
10.3 GKREx規(guī)則提取模型 168
10.3.1 模型框架 168
10.3.2 基于單關(guān)系圖的解釋子圖生成 168
10.3.3 語(yǔ)言偏置 172
10.3.4 面向解釋子圖的規(guī)則提取 172
10.4 實(shí)驗(yàn)準(zhǔn)備 175
10.5 實(shí)驗(yàn)結(jié)果與分析 176
10.6 本章小結(jié) 178
第11章 面向兩階段規(guī)則提取的可解釋性增強(qiáng)方法 179
11.1 引言 179
11.2 相關(guān)工作 180
11.3 IEM-TREx可解釋性增強(qiáng)方法 181
11.3.1 基于中心性的候選節(jié)點(diǎn)篩選 182
11.3.2 基于連通性的解釋子圖裁剪 183
11.4 實(shí)驗(yàn)準(zhǔn)備 184
11.5 實(shí)驗(yàn)結(jié)果與分析 187
11.6 本章小結(jié) 189
參考文獻(xiàn) 190