10221

بررسي روش‌هاي يادگيري عميق در جانمايي گراف دانش

1400-1401

دكتر بهروز مينايي بيدگلي

گراف‌هاي دانش يكي از زمينه‌هاي در حال گسترش هستند كه به طور گسترده در زمينه‌هاي هوش مصنوعي مانند بازيابي اطلاعات، پردازش زبان طبيعي، سيستم‌هاي توصيه و غيره استفاده مي‌شوند. با اين حال حتي گراف‌هاي دانش بسيار بزرگ كامل نيستند و تكامل گراف‌هاي دانش يكي از زمينه‌هاي تحقيق بر روي ساختارهاي دانش است. پيش‌بيني پيوند يك كار اساسي در تكميل گراف دانش است كه از روابط موجود براي استنتاج روابط جديد براي ساختن يك گراف دانش كامل‌تر استفاده مي‌كند. روش‌هاي متعددي براي انجام وظيفه پيش‌بيني پيوند بر اساس تكنيك‌هاي مختلف نمايش پيشنهاد شده است كه در ميان آن‌ها، مدل‌هاي جانمايي گراف دانش در چند سال گذشته به طور قابل توجهي پيشرفت كرده‌اند. اين گزارش با بررسي فناوري‌هاي اصلي جانمايي گراف دانش، مدل‌هاي موجود را به سه دسته تحت عناوين مدل‌هاي مبتني بر انتقال، مدل‌هاي مبتني بر استنتاج و مدل‌هاي مبتني بر يادگيري عميق تقسيم مي‌كند و به بررسي روش‌هاي جانمايي گراف دانش براي پيش‌بيني پيوند با تمركز بر روش‌هاي مبتني بر يادگيري عميق مي‌پردازد.

12/1/2021 12:00:00 AM

73371

1400/09/25

Examining of deep learning methods for knowledge graph embedding

گراف دانش , پيش‌بيني پيوند , جانمايي گراف دانش , يادگيري عميق

Knowledge Graph , Link Prediction , Knowledge Graph embedding , Deep Learning