计算机应用

作者：孙建强, 许少华

单位：山东科技大学 计算机科学与工程学院, 山东 青岛 266590

关键词：知识图谱,知识推理,可微神经计算机,贝叶斯网络,长期记忆

基金：国家重点研发计划项目（2018YFC1406203）。

针对人工神经网络（ANN）对面向知识图谱（KG）的知识推理的记忆能力有限以及KG无法处理不确定知识的问题，提出一种可微神经计算机（DNC）和贝叶斯网络（BN）相结合的推理方法DNC-BN。首先，将长短时记忆 （LSTM） 网络作为控制器，在每个时刻对输入向量和从记忆体获取的读向量进行处理，得到网络输出向量和交互向量；其次，通过读写头实现控制器与记忆体的交互，使用读取权重计算数据的加权平均以得到读向量，并用写入权重结合擦除向量及写入向量进行写操作，对存储矩阵进行修改；最后，基于概率推理机制，使用BN对数据节点之间存在的推理关系进行判断，对KG进行补全。在数据集WN18RR上的推理中，DNC-BN的Mean Rank为2 615，Hits@10为0.528；在数据集FB15k-237上的推理中，DNC-BN的Mean Rank为202，Hits@10为0.519。实验结果表明，DNC-BN方法对面向KG的知识推理具有良好的应用效果。

来源：2021年第2期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第2期