CNCC2019-陈华钧-可解释的知识图谱推理及应用.pdf
转自：https://dl.ccf.org.cn/lecture/lectureDetail?id=4663454624843776。
陈华钧，浙江大学阿里巴巴知识引擎联合实验室负责人。
摘要：知识图谱表示的向量化使得我们可以实现更易于泛化的可微分推理。然而， 基于表示学习实现的知识图谱推理和链接预测丢失了传统符号计算方法的可解释性，即：模型无去对基于向量计算或神经网络训练后得出的推理结论进行解释，导致只知结果但不知为什么。在很多真实的应用场景下，黑盒模型的可解释性缺乏导致很多应用不得不放弃采用表示学习方法 。本报告尝试探讨知识图谱与表示学习的可解释性之间的关系，具体针对基于表示学习实现的知识图谱推理的可解释性问题提出一些研究思路和解决方法，并结合真实的应用场景介绍相关的一些实践。
文件下载
评论信息
其他资源
- 基于PyQT5的桌宠制作
- 欢乐麻将3DMAX模型整理
- STM32 OLED多级菜单显示
- 数值策划笔试题目
- 张飞硬件学习笔记
- Win10 系统下的ST-Link驱动及安装教程及升级包
- stm32秒表程序
- 客运售票系统源码
- 西勒振荡电路
- 密钥管理系统论文
- Calculus.pdf
- 浙江省历年计算机二级c语言真题及答案
- 数学建模电子教案 陈光亭 裘哲勇主编
- PHOTOSHOP_CC完全自学教程（中文版 彩色）.pdf
- VB winsock简单实例tcp连接
- windows7 x86符号表（part03)
- A Hybrid optimal control structure of DFIG Wind Energy Convert System
- 【ssm项目源码】 学生管理系统.zip
- 网络安全靶场（dvwa).7z
- Greenplum安装包
- Kivy开发项目Demo
- Spring定时任务包含jar包与代码和多种方式的实现
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明