-
公开(公告)号：CN109408527B
公开(公告)日：2020-12-01
申请号：CN201811197729.7
申请日：2018-10-15
Applicant: 广东顺德西安交通大学研究院
IPC: G06F16/242 , G06F16/2453 , G06F16/36
Abstract: 本发明公开了一种基于向量空间的RDF结构化查询自动构建方法，利用概括局部子图将RDF图映射到连续向量空间中，学习RDF图中每个节点与边的向量表示；在给定通过自然语言问题表达的查询意图后，提取问题中的实体、关系短语，并将它们在RDF图中匹配得到候选匹配节点、边；然后，利用RDF图的向量表示将候选匹配节点、边的集合表示为向量并计算最优查询结构；最后利用翻译机制选取每个候选集合中的最优匹配节点、边并生成目标结构化查询。通过对RDF图向量表示的利用，查询构建的效率得到了大大提高；同时可以避免在确定结构过程中对实体与关系短语进行精确的匹配，提高了匹配的召回率；在最后的查询生成过程中，翻译机制也保证了所生成查询与RDF图的一致性。
-
公开(公告)号：CN108984633A
公开(公告)日：2018-12-11
申请号：CN201810641543.X
申请日：2018-06-21
Applicant: 广东顺德西安交通大学研究院
Abstract: 本发明公开了一种基于节点上下文向量空间的RDF近似答案查询方法，首先进行RDF图的向量空间表示学习生成，然后对RDF查询图划分，再基于向量空间的近似答案发现，最后RDF查询图近似答案结果返回，帮助用户明确信息需求和修改初始的RDF查询图。本发明能够解决RDF查询空集答案问题，其中基于节点上下文的RDF表示学习方法可以离线线生成RDF数据集的连续向量表示，保证了RDF查询图投影在连续向量空间中时能够满足用户查询意图，生成的近似答案及对应推荐查询排序后返回给用户作为解释，这种数据驱动式的求解方式提高了RDF近似的质量查询并显著降低时间开销。
-
公开(公告)号：CN109408527A
公开(公告)日：2019-03-01
申请号：CN201811197729.7
申请日：2018-10-15
Applicant: 广东顺德西安交通大学研究院
IPC: G06F16/242 , G06F16/2453 , G06F16/36
Abstract: 本发明公开了一种基于向量空间的RDF结构化查询自动构建方法，利用概括局部子图将RDF图映射到连续向量空间中，学习RDF图中每个节点与边的向量表示；在给定通过自然语言问题表达的查询意图后，提取问题中的实体、关系短语，并将它们在RDF图中匹配得到候选匹配节点、边；然后，利用RDF图的向量表示将候选匹配节点、边的集合表示为向量并计算最优查询结构；最后利用翻译机制选取每个候选集合中的最优匹配节点、边并生成目标结构化查询。通过对RDF图向量表示的利用，查询构建的效率得到了大大提高；同时可以避免在确定结构过程中对实体与关系短语进行精确的匹配，提高了匹配的召回率；在最后的查询生成过程中，翻译机制也保证了所生成查询与RDF图的一致性。
-
公开(公告)号：CN108984633B
公开(公告)日：2020-10-20
申请号：CN201810641543.X
申请日：2018-06-21
Applicant: 广东顺德西安交通大学研究院
IPC: G06F16/2458 , G06F16/28 , G06F16/36 , G06F40/30
Abstract: 本发明公开了一种基于节点上下文向量空间的RDF近似答案查询方法，首先进行RDF图的向量空间表示学习生成，然后对RDF查询图划分，再基于向量空间的近似答案发现，最后RDF查询图近似答案结果返回，帮助用户明确信息需求和修改初始的RDF查询图。本发明能够解决RDF查询空集答案问题，其中基于节点上下文的RDF表示学习方法可以离线线生成RDF数据集的连续向量表示，保证了RDF查询图投影在连续向量空间中时能够满足用户查询意图，生成的近似答案及对应推荐查询排序后返回给用户作为解释，这种数据驱动式的求解方式提高了RDF近似的质量查询并显著降低时间开销。
-
-
-
Search Results
4
records
(took 0.027 seconds)
