基于改进贝叶斯的知识图谱关联查询算法仿真

摘要：

知识图谱的不确定性导致节点之间的语义关联性不高,抽取出的文本存在较多冗余和噪声,无法准确捕捉用户的查询意图.为解决上述问题,提出改进贝叶斯框架的知识图谱关联查询算法.通过将知识图谱中的文本输入深度卷积神经网络,编码处理获得文本表示,并在非对称映射的基础上获得结构表示,以此获得知识图谱关系与实体之间的关系.采用低秩矩阵映射补全知识图谱中的尾实体和头实体.优化贝叶斯推理框架对实体量化处理,挖掘知识图谱中存在的数据集,并计算关系关联度和属性关联度,根据得分排序查询结果,完成知识图谱的关联查询.实验结果表明,所提算法的F1 值在 0.8以上,且准确率和召回率高,说明具有良好的查询性能.

关键词：改进贝叶斯框架、深度卷积神经网络、知识图谱补全、知识图谱、关联查询算法

所属期刊栏目：40

分类号：TP391.1(计算技术、计算机技术)

资助基金：重庆市教委科学技术研究计划项目KJQN202101903

在线出版日期：2023-08-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：453-456,485