知识卡片
关系嵌入与链接预测
关系是可视为动词的二元结构化语言,知识库则用三元组存储常识或领域事实。把神经语言模型扩展到实体与关系,可为每个实体和关系学习嵌入向量,用它们的函数建模联合分布,从而把知识库三元组当作训练样本。关系可被建模为作用在实体上的矩阵运算符,也可当作普通实体以获得更大灵活性。最直接的短期应用是链接预测:预测知识图谱中缺失的弧,用旧事实推广新事实。评估却很棘手,因为数据集只有正样本,模型给出的新事实无法判断是错误还是发现,常用做法是把真实事实的一个实体随机替换成损坏版本,用前十命中率衡量。相关应用还包括词义消歧与受限领域的问答系统。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 第12章 应用
原书出处 · 1 处
- 第12章 应用 · 查看原书依据
这种模型的实际短期应用是链接预测 (link prediction):预测知识图谱中缺失的弧。这是基于旧事实推广新事实的一种形式。目前存在的大多数知识库都是通过人力劳动构建的,这往往使知识库缺失许多并且可能是大多数真正的关系。
参考来源
- 位置:《深度学习》第12章 应用(源文件:extracted/深度学习/_epub-src/text/part0005_split_000.html)
- 结论依据:12.5.2.1说明关系三元组、知识库嵌入建模、链接预测及其评估指标与局限。
- 原始内容:这种模型的实际短期应用是链接预测 (link prediction):预测知识图谱中缺失的弧。这是基于旧事实推广新事实的一种形式。目前存在的大多数知识库都是通过人力劳动构建的,这往往使知识库缺失许多并且可能是大多数真正的关系。