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。