本书围绕动态知识图谱应用及推理解释，在分析知识图谱基本概念、理论与方法、主要应用及可解释性的基础上，系统介绍基于知识图谱的问答技术、动态推荐技术以及知识推理的可解释方法。本书的特点是结合作者及其团队研究的知识图谱应用问题，注重关键模型、算法基本原理以及领域前沿进展的讨论，兼具学术性和实践性特征。
样章试读
目录
- 目录
“信息科学技术学术著作丛书”序
前言
第一篇 基础理论篇
第1章 知识图谱基本概念、理论与方法 3
1.1 引言 3
1.2 知识图谱基本概念 4
1.3 知识图谱理论与方法 5
1.4 本章小结 7
第2章 知识图谱应用与可解释性 8
2.1 引言 8
2.2 知识图谱问答系统概述 9
2.2.1 知识图谱问答基本概念 9
2.2.2 时序问题 9
2.2.3 时序知识图谱 11
2.2.4 知识图谱问答方法 12
2.2.5 时序知识问答 17
2.2.6 基于知识图谱问答的图匹配技术 20
2.3 知识图谱序列推荐系统概述 22
2.3.1 知识图谱序列推荐系统的基本概念 24
2.3.2 知识图谱序列推荐系统的分类、构建流程及推荐算法 24
2.4 可解释知识推理 28
2.4.1 知识推理技术分类 29
2.4.2 基于图神经网络的知识推理 32
2.4.3 面向图神经网络的解释方法 33
2.4.4 知识推理解释形式 35
2.5 本章小结 40
第二篇 基于知识图谱的问答技术
第3章 基于时序约束的候选空间缩减技术 43
3.1 引言 43
3.2 相关工作 45
3.2.1 时序知识问答 45
3.2.2 时序知识问答中的候选空间缩减 46
3.3 CCSTI候选空间缩减模型 48
3.3.1 问题依赖增强表示 48
3.3.2 答案时序区间判定 51
3.3.3 答案逻辑推理 52
3.4 实验准备 54
3.5 实验结果与分析 55
3.6 本章小结 58
第4章 衡量时间信息对向量精确依赖的时序知识问答方法 60
4.1 引言 60
4.2 相关工作 62
4.3 模型设计 64
4.3.1 答案子图信息增强 65
4.3.2 问题表征增强 65
4.3.3 答案预测 69
4.4 实验准备 69
4.5 实验结果与分析 71
4.6 本章小结 75
第5章 基于再验证框架的时序问题多答案推理方法 76
5.1 引言 76
5.2 相关工作 78
5.3 模型设计 79
5.4 实验准备 83
5.5 实验结果与分析 84
5.6 本章小结 87
第三篇 基于知识图谱的动态推荐技术
第6章 基于迁移学习和多智能体深度强化学习的知识推理方法 91
6.1 引言 91
6.2 相关工作 93
6.3 模型设计 96
6.3.1 背景和问题定义 96
6.3.2 基于强化学习的模型框架 97
6.3.3 基于迁移学习的模型训练 101
6.4 实验结果与分析 102
6.5 对比实验与消融实验 104
6.6 本章小结 108
第7章 融合门控循环单元和图神经网络的知识图谱序列推荐算法 109
7.1 引言 109
7.2 相关工作 110
7.3 模型设计 112
7.3.1 问题描述与符号说明 112
7.3.2 KGSR-GG算法实现 113
7.4 实验结果与分析 120
7.4.1 实验数据集介绍 120
7.4.2 基线方法 121
7.4.3 实验设置 122
7.4.4 基线方法结果与分析 124
7.5 本章小结 128
第8章 基于预训练与知识图谱的序列推荐模型 129
8.1 引言 129
8.2 相关工作 130
8.3 模型设计 132
8.3.1 相关定义及公式化描述 132
8.3.2 模型描述 132
8.4 实验 139
8.4.1 实验数据集及预处理 139
8.4.2 评价指标 139
8.4.3 参数设置 140
8.4.4 基线方法 141
8.4.5 实验结果与分析 141
8.5 本章小结 149
第四篇 知识推理的可解释方法
第9章 面向知识图谱链接预测任务的解释子图生成 153
9.1 引言 153
9.2 相关工作 154
9.3 模型设计 155
9.3.1 模型框架 155
9.3.2 单关系图转换 156
9.3.3 图神经网络模型设置 158
9.3.4 解释生成 159
9.4 实验 159
9.5 实验结果与分析 161
9.5.1 知识图谱补全实验与结果分析 161
9.5.2 解释提取实验与结果分析 163
9.6 本章小结 165
第10章 基于解释子图的知识图谱逻辑规则提取算法 166
10.1 引言 166
10.2 相关工作 167
10.3 GKREx规则提取模型 168
10.3.1 模型框架 168
10.3.2 基于单关系图的解释子图生成 168
10.3.3 语言偏置 172
10.3.4 面向解释子图的规则提取 172
10.4 实验准备 175
10.5 实验结果与分析 176
10.6 本章小结 178
第11章 面向两阶段规则提取的可解释性增强方法 179
11.1 引言 179
11.2 相关工作 180
11.3 IEM-TREx可解释性增强方法 181
11.3.1 基于中心性的候选节点筛选 182
11.3.2 基于连通性的解释子图裁剪 183
11.4 实验准备 184
11.5 实验结果与分析 187
11.6 本章小结 189
参考文献 190
京公网安备 11010102004214号