Изменения

Перейти к: навигация, поиск

Представление знаний

399 байт добавлено, 04:19, 8 января 2021
Векторные представления графов знаний (англ. Knowledge graph embeddings)
==Построение при помощи методов машинного обучения==
===Векторные представления графов знаний=== Векторные представления графов знаний (англ. ''Knowledge graph embeddings'')===являются малоразмерными представлениями объектов-узлов и связей между ними в графе знаний. Они обобщают информацию о семантике и локальной структуре вершин.
[[Файл:Knowledge-graph-tensor.jpg|200px|thumb|[https://www.researchgate.net/publication/221345089_A_Three-Way_Model_for_Collective_Learning_on_Multi-Relational_Data Тензорная модель представления графов знаний. <math>E_1 \dots E_n</math> обозначают объкты, а <math>R_1 \dots R_m</math> обозначают отношения]]]
Для Как пример для представления графовых данных используются может использоваться семантика Cреды описания ресурса (англ. ''Resource Description Framework, RDF'')<ref>[https://en.wikipedia.org/wiki/Resource_Description_Framework, Wikipedia {{---}} Resource Description Framework]</ref> где связи представляются триплетом "''субъект — предикат — объект''". Для моделирования бинарных отношений на графе удобно использовать трехсторонний тензор <math>X</math>, в котором две размерности образованы на основе связываемых объектов-узлов, а третья размерность содержит отношения между ними (см. иллюстрацию). Элемент тензора <math>x_{ijk} = 1</math>, когда существует отношение (i-й объект, k-е отношение, j-й объект). В противном случае для несуществующих или неизвестных отношений <math>x_{ijk} = 0</math>.
===Обучение онтологий===
Анонимный участник

Навигация