基于表示学习的多关系型知识图谱推理算法

目前知识图谱的推理方法中,表示学习尤其是基于翻译的TransE系列算法取得了优异表现.其相关论文大都关注实体推理,然而关系推理作为知识图谱补全的关键技术值得受到关注与研究.与此同时,在规模不断扩大、知识来源更加多样化的知识图谱中,关系种类繁多且类型复杂,单个关系在全体三元组中的出现频率进一步降低,这为关系推理增加了难度...     

基于SWRL规则推理的知识发现研究

基于本体技术的查询,并不能将隐含在显式定义和声明中的知识提取出来展示给用户,因此需要依靠一定的推理机制,才能使知识得以充分表达。首先介绍了本体相关概念,然后建立本体模型,并使用本体查询语言SPARQL(Simple Protocol and RDF Query Language)对已有本体模型进行查询,引出本体查询的不足,进而使用SWRL(Semantic Web Ru-le Language)对本体模型进行语义规则扩充,最后通过Jena对本体模型进行推理。实验结果表明,构建合理的本体推理机制,可以对本体中蕴含的知识进行有效的推理,从而改善和优化知识查询。     

基于语义互操作的政务知识协同模型研究

基于语义互操作的电子政务协同系统是电子政务的发展趋势。分析了构建基于语义互操作的政务知识协同系统的主要任务和方法,提出了一个基于语义互操作的政务知识协同系统框架模型,详细阐明了其设计思路及各部分功能,重点给出电子政务信息单元自治模型和政务信息本体互操作模型的组成结构和工作机制。     

基于元模型的视图层PIM建模方法

模型驱动架构的核心思想是将建模语言当作开发语言使用,基于UML的平台无关模型建模方法主要关注于系统的体系结构与业务逻辑设计,对视图层支持较差。研究基于元模型的视图层PIM建模方法,给出视图层PIM模型中界面逻辑模型和界面布局模型的表示法及语义内容;基于EMOF元模型对UML建模语言进行扩展;使其对上述两种模型提供语义上和表示法的支持,最后基于Eclipse GMF框架开发了视图层PIM辅助设计工具GMTP。     

基于语义模型的网络社群学习指导策略初探

本文初步设计网络社群学习语义模型并基于此模型提出初步的优化策略,以实现网络社群学习的指导性服务。     

基于本体的认知无线电知识表示与推理

对知识进行有效建模是认知无线电（CR）引擎设计中关键问题之一。本文提出基于本体的认知无线电知识表示模型。首先对自然语言描述的CR知识进行概念抽取和类分析,并利用网络本体语言实现CR知识本体,最后对本体进行推理。实验结果表明,该方法支持知识的共享与重用,能够对异构的无线电知识进行融合,并实现了CR对自身状态和外界环境的理解,为参数重构提供决策依据。     

军事装备知识网格的研究与应用

随着信息技术的飞速发展及其在军事领域的广泛应用,网络上已有海量的军事装备信息资源。由于这些信息是离散、分布存储的,相互之间没有语义关联,因此利用信息搜索技术获取用户真正想要的信息是一件很困难的事情。为解决这一问题,研究构建了军事装备知识网格,利用知识网格的知识检索功能实现对用户检索需求准确的理解,为用户提供真正需要的知识。     

基于纹元森林和显著性先验的弱监督图像语义分割方法

弱监督语义分割任务常利用训练集中全体图像的超像素及其相似度建立图模型,使用图像级别标记的监督关系进行约束求解。全局建模缺少单幅图像结构信息,同时此类参数方法受到复杂度限制,无法使用大规模的弱监督训练数据。针对以上问题,该文提出一种基于纹元森林和显著性先验的弱监督图像语义分割方法。算法使用弱监督数据和图像显著性训练随机森林分类器用于语义纹元森林特征(Semantic Texton Forest, STF)的提取。测试时,先将图像进行过分割,然后提取超像素语义纹元特征,利用朴素贝叶斯法进行超像素标记的概率估计,最后在条件随机场(CRF)框架下结合图像显著性信息定义了新的能量函数表达式,将图像的标注(labeling)问题转换为能量最小化问题求解。在MSRC-21类数据库上进行了验证,完成了语义分割任务。结果表明,在并未对整个训练集建立图模型的情况下,仅利用单幅图像的显著性信息也可以得到较好的分割结果,同时非参模型有利于规模数据分析。     

FRKDNet：基于知识蒸馏的特征提炼语义分割网络

传统的语义分割知识蒸馏方法仍然存在知识蒸馏不完全、特征信息传递不显著等问题,且教师网络传递的知识情况复杂,容易丢失特征的位置信息。针对以上问题,本文提出了一种基于知识蒸馏的特征提炼语义分割模型FRKDNet。首先根据前景特征与背景噪声的特点,设计了一种特征提炼方法来将蒸馏知识中的前景内容进行分离,过滤掉教师网络的伪知识后将更准确的特征内容传递给学生网络,从而提高特征的表现能力。同时,在特征空间的隐式编码中提取类间距离与类内距离从而得到相应的特征坐标掩码,学生网络通过模拟特征位置信息来最小化与教师网络特征位置的差距,并分别和学生网络进行蒸馏损失计算,从而提高学生网络的分割精度,辅助学生网络更快地收敛。最后在公开数据集Pascal VOC和Cityscapes上实现了优秀的分割性能,MIoU分别达到74.19%和76.53%,比原始学生网络分别提高了2.04%和4.48%。本文方法相比于主流方法具有更好的分割性能和鲁棒性,为语义分割知识蒸馏提供了一种新方法。     

面向句义及句法的事件检测模型

事件句的句法结构有助于语义理解。针对中文领域的事件检测任务,本文设计了面向句义及句法的事件检测模型(BDD)以增强对事件句的理解能力。以基于来自变压器的双向编码器表示(BERT)的动态词向量为信息源,设计基于依存树的长短时记忆网络模型(D-T-LSTM)以融合学习句法结构及上下文语义,并加入基于依存向量的注意力机制强化对不同句法结构的区分度,在中文突发事件语料库(CEC)上的实验证明了本文模型的有效性,精确率、召回率、F₁值均靠前,且F₁值比基准模型提升了5.4%,召回率提升了0.4%。     

Knowledge graph and knowledge reasoning: A systematic review

The knowledge graph (KG) that represents structural relations among entities has become an increasingly important research field for knowledge-driven artificial intelligence. In this survey, a comprehensive review of KG and KG reasoning is provided. It introduces an overview of KGs, including representation, storage, and essential technologies. Specifically, it summarizes several types of knowledge reasoning approaches, including logic rules-based, representation-based, and neural network-based methods. Moreover, this paper analyzes the representation methods of knowledge hypergraphs. To effectively model hyper-relational data and improve the performance of knowledge reasoning, a three-layer knowledge hypergraph model is proposed. Finally, it analyzes the advantages of three-layer knowledge hypergraphs through reasoning and update algorithms which could facilitate future research.     

面向遥感图像场景分类的双知识蒸馏模型

为了提高轻型卷积神经网络(CNN)在遥感图像(RSI)场景分类任务中的精度,该文设计一个双注意力(DA)与空间结构(SS)相融合的双知识蒸馏(DKD)模型。首先,构造新的DA模块,将其嵌入到ResNet101与设计的轻型CNN,分别作为教师与学生网络;然后,构造DA蒸馏损失函数,将教师网络中的DA知识迁移到学生网络之中,从而增强其对RSI的局部特征提取能力;最后,构造SS蒸馏损失函数,将教师网络中的语义提取能力以空间结构的形式迁移到学生网络,以增强其对RSI的高层语义表示能力。基于两个标准数据集AID和NWPU-45的对比实验结果表明,在训练比例为20%的情况下,经知识蒸馏之后的学生网络性能分别提高了7.69%和7.39%,且在参量更少的情况下性能也优于其他方法。     

A Survey of VASNET Framework to Provide Infrastructure-Less Green IoTs Communications for Data Dissemination in Search and Rescue Operations

The implementation of wireless technologies based on the vehicular ad hoc sensor network (VASNET) may provide support for the search and rescue (SAR) team to operate effectively in natural disaster events, such as landslide, earthquake, flooding, and tsunami. The operations of SAR team are very challenging in such events due to the possible damages of the existing telecommunication infrastructures. The existing deployment of the cellular communications infrastructure may be partially or completely destroyed after the occurrence of these natural disasters. Thus, the current VASNET infrastructure must be able to support the infrastructure-less network by integrating other green wireless technologies that can benefit the SAR team, which can indirectly save more human lives and reduce the number of casualties. Therefore, the integration of green Internet of things (IoT) and VASNET is proposed to form a heterogeneous framework for data dissemination in SAR operations. In addition, this paper also discusses the existing IoT framework in disaster scenarios with future research direction for IoT using on any aspect, especially related to the natural disaster scenarios.