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
- VS 完全卸载工具
- 数字图像处理 冈萨雷斯 第三版 课后答案绝对完整 不要积分
- 单片机 采集AD 并用串口传输 显示波形图
- AC620 FPGA开发板用户手册V1.6
- 课程设计——路由与交换
- 进销存系统模板，整个网站系统
- 基于CPLD的数字跑表课程设计
- USB 3.1 协议规范 最新版
- stm32F107模板工程
- SD卡座的各种封装
- matlab最速下降法与牛顿法结合求解函数最大值,还能动画演示求解点的运动过程
- Qt Qss 效果呈现器。Qt控件样式预览器。
- OC Control ShopCarTouchMove(购物车按键).zip
- 设计用于超窄线宽激光器超稳法布里珀罗腔的支撑方式
- OI 信息奥赛 算法模板大全
- greenplum安装教程
- 基于sql的学生选课.sql
- fiddler4程序包下载
- C#打印实例-全部打印源码实例
- 做的大学flash作业
- 最大团问题代码
- 常见4-20mA 0-5V 1-5V电路转换
- 帝国cms之微信小程序api
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