CN115982379B 基于知识图谱的用户画像构建方法和系统 （福州外语外贸学院）_第1页
CN115982379B 基于知识图谱的用户画像构建方法和系统 （福州外语外贸学院）_第2页
CN115982379B 基于知识图谱的用户画像构建方法和系统 （福州外语外贸学院）_第3页
CN115982379B 基于知识图谱的用户画像构建方法和系统 （福州外语外贸学院）_第4页
CN115982379B 基于知识图谱的用户画像构建方法和系统 （福州外语外贸学院）_第5页
已阅读5页，还剩15页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

本发明公开了基于知识图谱的用户画像构数据库保存知识加工后的三元组，形成知识图用知识图谱进行海量用户画像时的效率大大提2识别及属性识别，所述实体识别采用改进卷积神经网络结合改进条件随机场模型的方法，S3：对所述三元组进行知识融合，把来自多个来实体的同名三元组进行消歧用于解决同名三元组产别基于已识别实体使用爬虫在网络上爬取所理采用基于表示学习的知识图谱推理方法，将实体以及实体之间的关系映射到向量空间，3系，因此可以认为是一种语义网络。从发展的过程来看，知识图谱是在NLP(Natural4不同实体的同名三元组进行消歧用于解决同名三[0014]优选地，所述改进卷积神经网络采用扩张卷积代替传统卷积神经网络的卷积操数据采集模块及知识图谱模块被配置为执行上述的基于知识图谱的用户画关系实体或者实体属性属性值形式的三元组，采用改进卷积神经网络结合改进条件随机场模型的方法对所述描述文本进行实体识别；5[0027]2.本发明提出的用户画像构建方法在实体识别操作时采用扩张卷积神层代替传[0033]图4是本发明所述的基于知识图谱的用户画像构建方法的改进条件随机场模型的[0035]请参阅图1，本实施例的基于知识图谱的用户画像构建方法和系统，包括以下步回收任务组织了最后一次全系统综合演练，东风着陆场已做好迎接飞船返回各项准备工6不同实体的同名三元组进行消歧解决同名三[0044]其中准确度评价将相关知识与标准数据库或者知识图谱中已保存的知识进行比在互相矛盾的知识组的一致性得分赋值为1，不存在互相矛盾的知识的一致性得分赋值为[0048]本实施例采用改进的CNN卷积层作为编码器结合改进的条件随即场进行命名实体7[0052]图4为本实施例中对转移矩阵添加掩码的示意图，改进的条件随机场模型基于设[0053]所述属性识别基于已识别的实体使用爬虫在网络上爬取所述已识别实体的关系关系识别方法是马尔可夫逻辑网，将马尔可夫网络与一阶逻辑相结合进行统计关系学习，同名实体是否与其代表不同的含义以及知识库中是否存在其他命名实体与其表示相同的法从维基百科中构建了一个大规模的语义网络，根据语义网络中的百科语义知识进行消8[0057]在构建知识图谱时，可以从第三方知识库产品或已有结构化数据获取知识输在知识图谱构建过程中，一个重要的高质量知识来源是企业或者机构自己的关系数据库。为了将这些结构化的历史数据融入到知识图谱中，可以采用资源描述框架作为数据模型，[0062]本实施例进行质量评估采用的方法包括一致性检查法及基于外部知识的对比检9及知识图谱模块被配置为上述的基于知识图谱关系实体或者实体属性属性值形式的三元组，采用改进卷积神经网络结合改进条件随机场模型的方法对所述描述文本进行实体识别。

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论