典型文献
基于知识表示学习的实时语义数据流推理
文献摘要：
传统的语义数据流推理使用前向或后向链式推理产生确定性的答案,但是在复杂的传递规则推理中效率不高,无法满足实时数据流处理场景对答案的及时性要求.因此,提出一种基于联合嵌入模型的知识表示方法,并应用于语义数据流处理中.将规则与事实三元组联合嵌入并利用深度学习模型进行训练,在推理阶段,根据查询中涉及的规则建立推理模板,利用深度学习模型对推理模板产生的三元组进行预测和分类,将结果作为查询和推理答案输出.实验表明,对于复杂规则推理,基于知识表示学习的实时语义数据流推理能够在保障较好推理准确性和命中率的前提下有效地降低延迟.
文献关键词：
实时语义推理;语义数据流处理;知识表示学习
中图分类号：
作者姓名：
高峰;熊辉;顾进广
作者机构：
武汉科技大学计算机科学与技术学院 湖北 武汉430065;湖北省智能信息处理与实时工业系统重点实验室 湖北 武汉430065
文献出处：
引用格式：
[1]高峰;熊辉;顾进广-.基于知识表示学习的实时语义数据流推理)[J].计算机应用与软件,2022(02):26-31,94
A类：
语义数据流,流推理,实时数据流处理,语义数据流处理,实时语义推理
B类：
基于知识,知识表示学习,确定性的,传递规则,规则推理,效率不高,处理场,对答,及时性,联合嵌入,嵌入模型,表示方法,三元组,深度学习模型,据查,理答,命中率,低延迟
AB值：
0.198973
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
