基于開放知識網絡的關系推斷技術研究.pdf

1、在大數據時代，不僅需要獲取越來越多的數據，更需要從數據中挖掘有用的知識。基于大規(guī)模知識網絡的關系推斷是利用知識網絡挖掘出實體之間的隱含關系，為信息檢索、關系推薦、智能問答等網絡應用提供支持。根據實體關系是否隨時間變化，可將關系推斷分為靜態(tài)關系推斷和動態(tài)關系推斷。動態(tài)關系推斷可進一步分為非時序動態(tài)關系推斷和時序動態(tài)關系推斷，前者僅推斷出關系是否存在，后者在推斷關系是否產生的同時識別出關系的產生時間，得到關系產生的時序。傳統(tǒng)的實體關系推斷技

2、術難點可歸結于復雜多元異構信息（如屬性信息、結構信息、時間信息等）的關聯(lián)表示和綜合利用，而現(xiàn)有的知識網絡模型難以有效地解決這些問題。為此，本文研究新的知識網絡模型，在此基礎之上研究實體關系推斷技術。論文的主要研究成果如下：
　?。?）研究了知識網絡模型，針對傳統(tǒng)的知識網絡模型無法充分描述復雜多元異構信息的問題，提出一種開放知識網絡八元組模型，構建了開放知識網絡（OpenKN）。開放知識網絡是一個異構網絡，網絡中的點和邊都帶有時間、

3、空間、屬性等信息，并賦予一系列函數或算子。與傳統(tǒng)的知識網絡相比，開放知識網絡具有開放、自適應、可演化、可計算的優(yōu)勢，能夠有效描述復雜多元異構信息，便于信息的深度挖掘。
　?。?）研究了靜態(tài)關系推斷，針對傳統(tǒng)方法僅利用網絡中單一的結構信息導致無法充分刻畫關系特征的問題，提出一種基于開放知識網絡的靜態(tài)關系推斷方法。該方法利用開放知識網絡中豐富的屬性信息，通過決策樹方法對屬性進行選擇；然后，利用隨機游走的思想，計算關系路徑特征值；最后，

4、融合屬性和結構兩方面的信息共同實現(xiàn)關系推斷。實驗表明，與傳統(tǒng)的靜態(tài)關系推斷方法相比，新方法提高了推斷準確率。
　?。?）研究了非時序動態(tài)關系推斷，針對現(xiàn)有的有監(jiān)督推斷方法復雜度高、不適用于大數據環(huán)境的問題，提出一種基于開放知識網絡的非時序關系推斷方法。該方法充分利用開放知識網絡中的時間信息，將時間信息融入到混合背包模型中；然后，通過混合背包模型的求解，選出有意義的鏈接延展模式；最后，通過模式匹配得到推斷結果。實驗結果表明，與當前主

5、流的非時序動態(tài)關系推斷方法相比，新方法取得了更高的準確率，且該方法是一種無監(jiān)督學習的方法，計算復雜度較低，對于大數據的環(huán)境有較好適應性。
　?。?）研究了時序動態(tài)關系推斷，針對主流方法無法充分刻畫時間與結構內在關聯(lián)的問題，提出了一種基于開放知識網絡的時序動態(tài)關系推斷方法。該方法利用開放知識網絡中豐富的多元異構信息，將時間信息融入到網絡結構特征中；然后，利用邏輯回歸訓練推斷模型，實現(xiàn)推斷關系是否產生的同時，推斷關系的產生時間。實驗結