知识表示之知识图谱的图和数值表示

知识表示是对显示世界的一种抽象表达,评价知识表示的两个因素是表达能力(expressiveness)和计算效率(efficiency)
知识表示主要分为符号表示和数值表示,常用的知识表示方法是RDF,这是一种基于图的知识表示方法,另外几种是知识图谱、语义网络、实体关系图。

1. 知识图谱的图表示:

基于图的表示:
在很多场景下, 图又被成为网络(Network),一个图就是一个二元组G=G(U,V),其中v表示节点集,E表示边的集合,图表达了节点集上的二元关系。这一部分与数据结构中的图非常像,有无向图和有向图两种;
0429补充(陈化钧,知识图谱):
属性图:Property Graph
属性图是由定点(Vertex)和边(Edge)、标签(Label),关系类型还有属性(Propetry)组成的有向图。其中顶点又称为节点,边也称为关系,在属性图中,节点和关系是最重要的实体。节点可以包含任何的属性,属性可以以任何键值的形式存在。
OWL表达构建:
1.等价性声明
exp A owl:equivalentclass exp: b
2.声明传递关系
exp a exp:ancestor rdf:typr owl:TranstivitePropetry
3.声明两个属性互反
exp:ancestor owl:inverseOf exp:descendant
基于三元组的表示:
基于三元组的表示使用的是RDF表示方法,这是W3C标准下的用以描述信息的通用表示方法,使信息可以被计算机理解和读取。三元组是对客观世界中的概念、实体和事件的抽象。每个资源的一个属性及其属性值,或者它与其他资源的一条关系,都可以表示成为三元组。一个标准的三元组包含:主体(subject)谓词(predicate)客体(object);当三语组描述资源属性时,其结构为主体、属性(property)和属性值(propetry value)

2. 知识图谱的数值表示:

基于数值的表示的重点是:合理定义三元组< h t , r t , t > 的损失函数f r ( h , t ) f_r(h,t)f r ​(h ,t ),其中h h h和t t t是三元组的两个实体h h h和t t t的向量化表示,当三元组的关系成立时,损失函数最小。
基于距离的表示:
基于距离的表示,其代表模型是SE。其基本思想是当两个实体属于同一个三元组时,他们的向量表示在投影后的空间中也应该彼此靠近,因此定义损失函数为向量投影后的距离:
f t ( h , t ) = ∣ ∣ W r , 1 h − W r , 2 t ∣ ∣ l 1 f_t(h,t)=||W_{r,1}h-W_{r,2}t||l_1 f t ​(h ,t )=∣∣W r ,1 ​h −W r ,2 ​t ∣∣l 1 ​
其中SE使用的是1-范数,∣ W r , 1 |W_{r,1}∣W r ,1 ​和W r , 2 W_{r,2}W r ,2 ​用于三元组中头实体向量h h h和尾实体向量t t t的投影操作。但因为引入了两个不同的投影矩阵,很难捕获实体和关系之间的语义相关性;
基于翻译的模型:
(TransE)认为,在知识库中三元组< h , r , t > 可以看成头实体h h h和尾实体t t t利用关系r r r所进行的翻译,即头实体的向量加上关系的向量,尽可能和尾实体的向量接近。在实际使用中使用了Hinge Loss函数。
f r ( h , t ) = ∣ ∣ h + r − t ∣ ∣ l 1 / l 2 f_r(h,t)=||h+r-t||{l_1/l_2}f r ​(h ,t )=∣∣h +r −t ∣∣l 1 ​/l 2 ​
(TransH) 认为,transe中的h + r = t h+r=t h +r =t 假设太强,导致在自反、一对多、多对一等关系下实体向量学习的错误,放宽了这一假设,只要求头尾实体在关系r r r 相对应的 超平面的投影彼此接近即可
f r ( h , t ) = ∣ ∣ ( h − W r T h W r ) + d r − ( t − W r T t W r ) ∣ ∣ l 1 / l 2 f_r(h,t)=||(h-W_r^ThW_r)+d_r-(t-W_r^TtW_r)||{l_1/l_2}f r ​(h ,t )=∣∣(h −W r T ​h W r ​)+d r ​−(t −W r T ​t W r ​)∣∣l 1 ​/l 2 ​
(TransR) 解决了transe和transh无法区分相近语义实体的问题。其思想要求头尾实体在关系r r r 相对应的 向量空间中的投影彼此接近即可。但存在矩阵计算复杂,头尾实体可能不是一类实体带来的映射不合理
f r ( h , t ) = ∣ ∣ h r + r − t r ∣ ∣ l 1 / l 2 f_r(h,t)=||h_r+r-t_r||{l_1/l_2}f r ​(h ,t )=∣∣h r ​+r −t r ​∣∣l 1 ​/l 2 ​
(TransD)认为映射函数应该与实体、关系同时相关。

Original: https://blog.csdn.net/weixin_45885232/article/details/124333983
Author: 加油上学人
Title: 知识表示之知识图谱的图和数值表示

原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/554900/

转载文章受原作者版权保护。转载请注明原作者出处!

(0)

大家都在看

亲爱的 Coder【最近整理,可免费获取】👉 最新必读书单  | 👏 面试题下载  | 🌎 免费的AI知识星球