面向知识图谱扩展的关系抽取和知识推理方法研究

丁 汉栋
联通（山西）产业互联网有限公司

摘要


知识图谱作为人工智能中对自然语言处理的关键技术方式，技术结构和扩展都需要以关系抽取和知识推理
方法为重点。为了能够充分了解知识图谱扩展中，关系抽取和知识推理的主要方法，提升知识图谱的准确性和完整
性。需要在关系抽取期间融入深度学习、多种文本特征等方式，确保能有效提升关系抽取的准确性和有效性。本文
主要以知识图谱扩展为研究对象，探究在实施图谱扩展期间关系抽取和知识推理的方法，期望能够有效验证知识图
谱扩展的可行性和有效性，奠定未来科学技术发展的基础。

关键词


知识图谱扩展；关系抽取；知识推理；深度学习

全文:

PDF


参考


[1]田卫民，武泽尧，隋普海.知识图谱赋能专业课

程深度开发的创新实践[J].中国大学教学，2025，（05）：

16-25+63.

[2]黄俏娟，曹存根，王亚，王石.基于大语言模型

的事件常识知识图谱扩展方法[J].软件学报，1-34.

[3]张晓明，吴婷婷，王会勇.基于知识图谱邻域扩

展特征的加权推荐方法[J].计算机应用与软件，2024，41

（12）：286-295.

[4]刘军平，孙医贵，朱强，胡新荣，彭涛，姚迅，

王帮超.基于知识图谱的零样本文档检索伪查询生成[J].

软件导刊，2024，23（11）：47-52.

[5]牛增贤，刘海峰，徐伟峰，李刚，谢庆，王洪

涛.基于扩展Span表示的电力变压器运维知识抽取与知

识图谱构建[J].吉林大学学报（理学版），2023，61（05）：

1112-1122.

[6]张彬，徐建民，吴姣.大数据环境下基于知识图

谱的用户兴趣扩展模型研究[J].现代情报，2021，41（08）：

36-44.


Refbacks

  • 当前没有refback。