推荐5篇关于实体和关系抽取的计算机专业论文

今天分享的是关于实体和关系抽取的5篇计算机毕业论文范文, 如果你的论文涉及到实体和关系抽取等主题,本文能够帮助到你

基于半监督学习的知识图谱构建技术研究

这是一篇关于知识图谱,半监督学习,实体和关系抽取,知识融合,强化学习的论文, 主要内容为当今时代是互联网快速发展的时代,网络数据呈井喷式增长,在此背景下知识图谱应运而生,大规模知识图谱,如Google知识图谱、DBpedia和百度知识图谱等以三元组<头实体、关系、尾实体>的形式存储现实世界的事实,该三元组缩写为,其中关系表示头实体和尾实体之间的关系。知识图谱为网络搜索、问答等许多智能应用提供支持,因此,知识图谱构建一直是学术界和工业界广泛关注的话题。实体和关系抽取以及知识融合是知识图谱构建的核心任务。实体和关系抽取任务是指对于一个给定的句子,根据句子的语义信息识别出实体并推测实体间的关系。知识融合任务是指融合两个由不同数据源得到的知识图谱,其本质是研究怎样将来自多个不同数据源的关于同一个概念的不同描述进行对齐。现有的实体和关系抽取以及知识融合算法,大多针对有监督场景,需要大量的标注语料用于模型训练,这意味着高昂的人工标注成本,而半监督学习技术可以有效平衡人力成本和算法效果。基于迭代的半监督方法利用少量标注信息作为种子,进行多轮迭代以扩充新的信息,因此该类方法适用于半监督场景,然而,该类方法存在“偏移”的问题,即在迭代过程中若前面轮次引入错误信息,后面的轮次将会进一步放大该错误,导致迭代方向偏离最初标注信息方向。强化学习技术以最终期望奖励值最大为目标进行学习,对于一个迭代过程,可以利用强化学习,以最终迭代结果质量最好为目标,指导每一轮迭代过程中新信息的添加,从而解决迭代类方法存在的“偏移”问题。综上,本文设计并实现了基于半监督学习的知识图谱构建算法,具体包括结合强化学习的半监督实体和关系抽取算法以及知识融合算法。针对实体和关系抽取,现有有监督场景下的工作依赖大量人工标注语料训练模型,而半监督场景下的工作为先抽取实体后抽取关系的流水线形式,存在错误累积和无法充分进行信息交互的问题。为解决上述问题,本文提出了结合强化学习的半监督实体和关系联合抽取算法。在该算法中,为了解决只有少量实体和关系标注信息的问题,提出了基于迭代的实体和关系联合抽取方法;为了更好的评估联合抽取模式的质量,提出了联合抽取模式置信度评估方法;为了解决迭代过程中存在的语义偏移问题,提出了基于强化学习的语义偏移控制方法。在公开基准数据集AFPAPW上的实验表明,本文所提出的实体和关系联合抽取算法与现有工作相比,在P、R和F1指标上取得了更好的效果。针对知识融合,现有的基于嵌入的知识融合方法在对知识图谱进行表示时,没有考虑到图谱内已知可融合实体和未知可融合实体之间的区别,而往往已知可融合的实体对知识融合任务有更重要的指导意义。为解决上述问题,本文提出了一种结合强化学习的半监督知识融合算法。在该算法中,为了区分对待实体的已知可融合以及未知可融合邻居实体,提出了基于注意力机制的知识图谱表示方法;为了整合从不同角度得到的知识图谱表示信息,提出了基于门控机制的多角度知识图谱表示整合方法;为了解决迭代融合过程中存在的融合偏移问题,提出了基于强化学习的融合偏移控制方法。在公开基准数据集EN-FR、EN-DE、D-W、D-Y上的实验表明,本文所提出的知识融合算法与现有工作相比,在Hits@1、Hits@5和MRR指标上取得了更好效果。

漏洞知识图谱的构建与知识管理系统的设计与实现

这是一篇关于漏洞知识图谱,漏洞知识检索,知识图谱补全,实体和关系抽取,数据可视化的论文, 主要内容为随着计算机软件技术的迅猛发展,软件的规模和复杂程度不断提高,不可避免地导致更多软件漏洞的发生。因此,漏洞的理解与修复成为了软件维护过程中不可或缺的重要环节。漏洞的修复要求开发者具备良好的网络安全和软件安全的知识储备,但并不是所有开发者都具备这一条件。因此,开发者往往需要通过检索漏洞数据库来学习与获取漏洞相关的知识。但是,目前缺少便捷易用的漏洞知识库,开发者往往需要前往不同的漏洞数据库或者开源软件管理系统去获取漏洞知识,并通过人工审计来判断哪些漏洞知识对其有帮助。这种手动检索与分析的过程大大增加了开发者对漏洞知识的学习成本。此外,碎片化存储的漏洞知识也使开发者难以建立不同漏洞知识之间的联系。针对上述问题,本文基于多源异构漏洞知识构建了软件漏洞知识图谱,并开发了软件漏洞知识管理系统,从而帮助开发者快速学习与检索漏洞相关的知识。首先,本文研究了多源异构漏洞知识的整合方法。本文先是设计了漏洞本体结构,然后在漏洞本体的指导下使用Scrapy网络爬虫框架挖掘原始漏洞数据。针对结构化的原始漏洞数据,采用基于规则的方法抽取实体和关系。针对非结构化的数据,通过词法分析器和语法分析器进行实体抽取。通过上述步骤,构建了漏洞知识图谱,并采用表示学习方法实现漏洞知识图谱的补全,最后基于Neo4j图数据库实现了知识图谱的存储。为了让开发者能够更方便快捷地对漏洞知识进行管理和检索,本文基于JavaWeb前端、SpringBoot、图数据库、d3.js数据可视化等技术,采用MVVC模式,设计并实现了一个基于C/S架构的漏洞知识管理系统。本文研究了漏洞知识图谱的可视化方案,并且针对不同规模的子图谱实现了一套通用的数据可视化方法,该系统借助力导向图和搜索算法,将用户感兴趣的实体和关系信息进行定制化动态可视化。同时,系统还允许用户通过人机交互实现对漏洞知识图谱中实体和关系的管理。此外,该系统为用户提供了三种搜索方法,分别是关键字搜索,高级搜索和相似搜索,支持用户以多种方式和多种条件搜索用户感兴趣的漏洞知识。最后,对漏洞知识管理系统进行了测试,测试结果表明该系统达到了预期目标,能够成为开发人员快速获取漏洞信息和学习漏洞知识的平台,并且为开发者管理图谱中的数据提供了便利渠道,具有一定的实用价值。