声明
摘要
第1章绪论
1.1研究背景
1.2相关研究工作
1.2.1传统知识表示学习方法
1.2.2基于邻居聚合的知识表示学习方法
1.3研究目标和内容
1.4本文组织结构
第2章相关方法与技术
2.1基于翻译的模型TransE
2.2强化学习
2.3循环神经网络
2.4AMIE算法
2.5图卷积网络和图注意力网络
2.6本章小结
第3章基于注意力机制强化学习路径搜索的知识表示学习模型
3.1概述
3.2方弦
3.2.1总体框架
3.2.2知识表示学习部分
3.2.3关系路径搜索部分
3.2.4模型训练
3.3实验评估
3.3.1实验数据
3.3.2实验设置
3.3.3对比实验
3.3.4变体实验
3.4本章小结
第4章基于规则挖掘和邻居聚合的知识表示学习模型
4.1概述
4.2方法
4.2.1总体框架
4.2.2预处理阶段
4.2.3邻居聚合阶段
4.2.4表示学习阶段
4.2.5模型训练
4.3实验评估
4.3.1实验数据
4.3.2实验设置
4.3.3对比实验
4.3.4变体实验
4.4本章小结
第5章总结与展望
5.1总结
5.2展望
参考文献
攻读硕士学位期间主要的研究成果
致谢
浙江大学;