-
公开(公告)号：CN109558502B
公开(公告)日：2021-11-30
申请号：CN201811548053.1
申请日：2018-12-18
Applicant: 福州大学
IPC: G06F16/50 , G06F16/583
Abstract: 本发明涉及一种基于知识图谱的城市安全数据检索方法，利用Neo4j图数据库的特点，将城市安全知识图谱RDF图数据以及不断流入的知识碎片映射到图数据库中，在分布式环境下，当多关键字遍布在多个相互关联标签节点上时，在相互作用的标签图中，根据关键词锚定到的实例节点与关键关系占比，以及标签间的占比快速地预先计算出价值最高的标签，从该标签开始遍历能最快速度的确定起始的实例节点，同时缩短了到下一跳关键节点的时间，提高了对动态变化知识图谱图的数据库检索效率。
-
公开(公告)号：CN111191460A
公开(公告)日：2020-05-22
申请号：CN201911390283.4
申请日：2019-12-30
Applicant: 福州大学
Abstract: 本发明涉及一种结合逻辑规则和碎片化知识的关系预测方法。首先对事实三元组和逻辑规则进行统一的建模，将隐藏的语义信息嵌入到基于知识表示的关系推理模型中；其次，结合碎片化知识，不断迭代更新，使得知识库变得越加完备。本发明对事实三元组和逻辑规则进行统一的建模，将隐藏的语义信息嵌入到基于知识表示的关系推理模型中，实现更精准地预测。
-
公开(公告)号：CN111177282A
公开(公告)日：2020-05-19
申请号：CN201911398805.5
申请日：2019-12-30
Applicant: 福州大学
Abstract: 本发明涉及一种融入注意力机制的预测方法，将包括头实体向量、关系向量、尾实体向量和时间向量的四元组作为输入层；引入注意力机制层，为四元组的各项创建其上下文向量，将得到的上下文向量加上原来四元组对应各项的向量形成新的矩阵向量，并将新的矩阵向量转置馈送到卷积层；在卷积层当中通过不同的卷积核捕获头尾实体、关系和事实发生时间相同维度之间的全局特征；通过点积将特征向量和权重向量相乘得到其四元组分数。本发明从卷积神经网络的角度出发，在结合时序知识的同时，融入注意力机制来提取四元组中各项的上下文信息和相关性，能够提高模型的预测性能。
-
公开(公告)号：CN109657798A
公开(公告)日：2019-04-19
申请号：CN201811589472.X
申请日：2018-12-25
Applicant: 福州大学
Abstract: 本发明提出结合变量存储器和多变量连接器的流式推理方法，所述流式推理方法基于是基于OWL Horst的规则集对RDF流式数据进行处理；所述流式推理方法是在知识图谱的背景下，先提出了变量存储器旨在加速查找特定RDF流式数据中查询速度的同时，避免以规则为单位的形式进行冗余存储和数据传输开销。接着提出多变量连接器的存储方法，用于预判规则是否激活；最后结合该存储设计方案，设计流式推理算法EMSR，有效地实现针对流式RDF数据的高效推理；本发明通过增设变量存储器和多变量连接器，使得同一类型的三元组可用于多条规则，避免了以规则为单位的形式进行冗余存储，减少了数据网络传输。
-
公开(公告)号：CN104462610B
公开(公告)日：2018-02-06
申请号：CN201510003243.5
申请日：2015-01-06
Applicant: 福州大学
IPC: G06F17/30
Abstract: 本发明涉及一种结合本体的分布式RDF存储与查询优化方法,包括以下步骤：步骤S1：采用IOMSQ算法对RDF数据文件进行分割存储;步骤S2：对分割后的数据文件进行查询预处理；步骤S3：对分割后的数据文件进行分布式查询；步骤S4：进行数据更新，所述的数据更新包括新增数据，删除数据，修改数据。本发明采用了IOMSQ算法来解决索引文件过大，Job启动过多的情况，并且保证了查询效率。
-
Patent Agency Ranking
公开(公告)号：CN104615703B
公开(公告)日：2017-12-08
申请号：CN201510047202.6
申请日：2015-01-30
Applicant: 福州大学
IPC: G06F17/30
Abstract: 本发明涉及一种结合Rete算法的RDF数据分布式并行推理方法，在MapReduce算法框架下结合Rete算法并行推理。在结合Rete算法的时候，不是简单的将RDF数据进行分割，而是在Map阶段完成alpha网络的功能，在Reduce阶段完成beta网络的功能。本发明所提出的一种结合Rete算法的RDF数据分布式并行推理方法只需要启动一个MapReduce推理任务就可以完成所有RDFS/OWL规则的一次性推理，通过多次的推理任务迭代实现针对海量RDF数据的高效推理。
-
公开(公告)号：CN104462609B
公开(公告)日：2017-09-15
申请号：CN201510003231.2
申请日：2015-01-06
Applicant: 福州大学
IPC: G06F17/30
Abstract: 本发明涉及一种结合星型图编码的RDF数据存储与查询方法,步骤S1：对RDF数据进行预处理，将所述RDF数据以RDF数据图方式呈现；步骤S2：将输入的SPARQL查询语句以SPARQL查询图方式呈现，进行查询分解；步骤S3：对所述SPARQL查询语句进行预处理，得到整个查询的任务数、查询星型子节点的连接顺序以及查询星型子节点的相关信息;步骤S4：执行所述SPARQL查询语句并进行查询连接计划，采用Hadoop的MapReduce并行运算框架，根据所述SPARQL查询语句的关联性决定查询任务Job的启动次数；步骤S5：进行子图查询，采用Map函数；步骤S6：进行结果连接算法，采用Reduce函数。本发明由于采用基于星型结构的哈希编码索引查询策略，减少存储数据冗余和查询任务数，加快查询效率。
-
公开(公告)号：CN105912721A
公开(公告)日：2016-08-31
申请号：CN201610293055.5
申请日：2016-05-05
Applicant: 福州大学
CPC classification number: G06F16/24564 , G06F17/2785
Abstract: 本发明涉及一种RDF数据分布式语义并行推理方法，首先依据本体文件和RDFS/OWL规则，构建传递闭包关系矩阵（Transitive closure relation matrix，简称TRM）和连接变量信息，进而生成规则标记；然后根据连接变量的类型对RDFS/OWL规则进行分类，分别设计不同的推理方案，结合MapReduce计算框架并行地完成RDFS/OWL规则的推理。通过连接变量信息和规则标记对实例三元组进行过滤，能够减少大量无用的三元组数据在分布式系统中的传输损耗。通过构造传递闭包矩阵能够减少推理的迭代次数，提高推理的效率。最后，根据推理结果，实时地删除重复的三元组数据，以进一步提高后续迭代推理的效率。通过本发明在数据量增大的情况下能够高效且正确的实现RDFS/OWL规则的推理。
-
公开(公告)号：CN117910554A
公开(公告)日：2024-04-19
申请号：CN202311644282.4
申请日：2023-12-01
Applicant: 福州大学
Abstract: 本发明涉及一种基于多策略网络的时间知识图谱补全方法。构建一种基于多策略网络的时态知识图补全模型(MPNet)。分别从静态实体关系、动态关系和动态实体三个方面构建策略，对候选动作进行综合评价。此外，还构建了一个更多样化的动作空间，指导Agent更有效地调查历史子图中的答案。通过外推设置实验验证了MPNet的有效性，并在三个基准数据集上进行了大量实验，证明MPNet与现有最先进的方法相比具有优越的性能。
-
公开(公告)号：CN117609515A
公开(公告)日：2024-02-27
申请号：CN202311646540.2
申请日：2023-12-01
Applicant: 福州大学
IPC: G06F16/36 , G06F16/35 , G06F40/289 , G06F40/30 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08 , G06N5/02
Abstract: 本发明涉及一种基于语义感知嵌入的开放知识图谱链路预测方法。重点探究如何利用NP和RP的内在语义信息，提出了SeAE模型。首先，本发明可以根据数据集自适应地选择嵌入分割的块数，并行使用邻居NP的相对应块嵌入来更新NP的嵌入，实现对NP蕴含多种语义的解纠缠，得到自适应解纠缠嵌入(ADE)。接着，本发明通过将注意力机制集成到GRU编码器中，获得RP编码的侧重点和重要性分布，来更好地捕捉RP中的语义信息，提高模型的可解释性。最后，本发明还提出了一个关系门，从共享边信息中提取尾NP的RP语义特征，在增强实体和关系交互的同时，实现关系对于实体的语义约束。最后在多个公开的开放知识图谱数据集上进行了链路预测，实验结果证明了本发明模型的优越性。
-
-
-
-
-
-
-
-
-
Search Results
87
records
(took 0.038 seconds)
