amie规则挖掘_应用实践 | WWW2020——基于规则Embedding的同款商品发现

最新推荐文章于 2024-03-29 10:08:57 发布
最新推荐文章于 2024-03-29 10:08:57 发布
阅读量1.2k 收藏 4
点赞数
文章标签： amie规则挖掘
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_36058866/article/details/113042300
版权
论文题目：Learning Rule Embeddings over Knowledge Graphs: A CaseStudy from E-Commerce Entity Alignment本文作者：康矫健，浙江大学硕士，主要研究方向为知识图谱和自然语言处理发表会议：WWW2020应用场景在电商实际应用中，同一个电商的不同平台，同一个平台的不同商家有可能要销售同一款产品。比如，商品...
摘要由CSDN通过智能技术生成
c879ed3d32d17080fc7a7f501fd78e16.png

论文题目：Learning Rule Embeddings over Knowledge Graphs: A Case Study from E-Commerce Entity Alignment

本文作者：康矫健，浙江大学硕士，主要研究方向为知识图谱和自然语言处理

发表会议：WWW2020

应用场景

在电商实际应用中，同一个电商的不同平台，同一个平台的不同商家有可能要销售同一款产品。比如，商品1和商品2是良品铺子的同一款千叶豆腐干，但由两个商家销售，因此商品1和商品2的标题不同，且键值对()(后称  )也有部分不同。同款商品发现旨在将不同平台，不同商家销售的同一款商品挂载到一个统一的产品实体上。这有助于打通不同平台商品实体之间的联通，提供跨域的实体对齐，从而构建一个更完备的商品知识图谱。

b2f577fd4477b8abc79b5e655732ee64.png

表 1 在同款商品发现中，规则的  由  对构成，  部分则是一个确定的值 “同款”，通过规则，我们可以知道一个商品对中两个商品哪些重要的  对相同就
最低0.47元/天 解锁文章
青山止酒停云老
关注
  • 0
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
amie规则挖掘_论文浅尝 | 基于规则的零样本关系分类
weixin_39880328的博客
01-18 1817
论文题目：Logic-guided Semantic Representation Learning for Zero-Shot Relation Classification本文作者：李娟，浙江大学在读博士，研究方向为知识表示学习发表会议：COLING 2020论文链接：https://arxiv.org/abs/2010.16068关系分类旨在抽取句子中实体对之间的语义关系。大部分关...
AMIE：在不完整知识库下的关联规则挖掘（代码+文档）
03-18
最近几年，例如YAGO和DBpedia等大规模知识库发展有了很大的进步。知识库提供了大量的不同种类的实体信息，如人、国家、河流、城市大学等等，同时知识库包含了大量的在实体（entity）间的关系既事实（fact）。当今的知识库包含的数据量是巨大的通常有百万个实体和上亿个描述实体间关系的事实数据。 虽然目前的知识库存在大量的实体和事实数据，但是这样大规模的数据仍然不完整。目前构建知识库的方法主要有两种，一种是从大量的文本中抽取事实但这种方法必然会带来大量的噪声数据，第二是人工扩展，但这样的方法对于时间的开销是极大的。如果确保一个知识库是完整的则必须花费很大的努力来抽取大量的事实，并检查事实的正确性，因为只有正确的事实加入到知识库中才是有意义的。同时知识库的本身由于有足够的信息可以推理出更多的新的事实。例如有这样一个例子，一个知识库包含一组事实是孩子c有一个妈妈m，这样可以推理得出孩子妈妈的丈夫f很可能是孩子的父亲。该逻辑规则形式化的描述如下： motherof(m,c)∧marriedTo(m,f)⟹fatherof(f,c) 挖掘这种规则可帮助做一下四种事情：1、利用这种规则来推理出新的事实，而这些被挖掘出的新的事实可以使知识库更完整。2、这些规则可以检测出知识库潜在的错误例如一个陈述是一个与一个男孩无关的人是这个男孩的父亲，这样的陈述很可能是错误的。3、有很多推理工具依赖其他工具提供规则，所以这些被挖掘出来的规则可以用于推理。4、这些规则描述一个普遍的规律，这些规律可以帮我我们理解分析知识库中的数据，如找到一些国家通常与说同一种语言的国家交易。或结婚是一个对称关系，或使用同一个乐器的音乐家通常互相影响等等。 AMIE的目标是从RDF格式的知识库中挖掘如上所述的逻辑规则，在语义网（Semantic Web）中存在大量的RDF知识库如YAGO、Freebase和DBpedia等。这些知识库使用RDF三元组（S,P,O）提供二元关系（binary relation）的描述。由于知识库一般只包含正例而（S,P,O）没有反例（S,¬P,O），所以RDF这样的知识库中仅能通过正例来推理。进一步来说在RDF知识库上的操作是基于开放世界假设（OWA）的。在开放世界假设下，一个事实没有在知识库中存在那么我们不能说这个事实是错误的，只能说这个陈述是未知的。这与标准的数据库在封闭世界假设的设定有本质上的区别。例如在知识库中没有包含marry(a,b)，在封闭世界假设中我们可以得出这个a没有和b结婚而在开放世界假设下我们只能说a可能结婚了也可能单身。 压缩包内包含AMIE可运行源代码与相应文档资料，欢迎下载参考
关联规则挖掘算法综述
键者天行
07-08 2751
1 引言关联规则挖掘发现大量数据中项集之间有趣的关联或相关联系。它在数据挖掘中是一个重要的课题，最近几年已被业界所广泛研究。关联规则挖掘的一个典型例子是购物篮分析。关联规则研究有助于发现交易数据库中不同商品（项）之间的联系，找出顾客购买行为模式，如购买了某一商品对购买其他商品的影响。分析结果可以应用于商品货架布局、货存安排以及根据购买模式对用户进行分类。Agrawal等于1993年首先提出了挖掘顾
论文阅读1：AMIE: Association Rule Mining under Incomplete Evidencein Ontological Knowledge Bases
记录学习历程
11-21 1909
原子是一个在subject和/或object位置可以有变量的fact。Horn规则由head和boday组成，其中head是单个atom，body是一组atoms.头部为r（x，y）、body为{B1，…，Bn}的规则规则的实例化是规则的副本，其中所有变量都被entity替换。如果实例化规则的所有body atoms都出现在KB中，则规则的prediction是实例化规则的head atom。AMIE使用限制搜索空间。如果rule中的两个atom共享一个变量或一个实体，则它们是连接的。
关联规则挖掘1
05-05
数据关联是数据库中存在的一类重要的可被发现的知识。若两个或多个变量的取值之间存在某种规律性，就称为关联。
data mining类相关课程-关联规则挖掘算法
06-25
这些资料是我花了几百买的七*月*算法的课程，里面带的课件以及随堂代码，为了csdn的下载积分我也是拼了，这个是一系列课程中的一部分，总起来的课程会超过220M无法上传，需要的朋友们需要一部分一部分下载了。...
关联规则挖掘算法
06-12
详细介绍了关联规则挖掘算法，简单明了，值得参考
关联规则挖掘方法的改进
12-14
关联规则挖掘方法的改进
amie 规则挖掘_AMIE的完整形式是什么？
cumt951045的博客
07-21 1182
amie 规则挖掘 AMIE：工程师协会的准会员 (AMIE: Associate Member of the Institution of Engineers) AMIE is an abbreviation of Associate Member of the Institution of Engineers. The Institution of Engineers India Limite...
EMNLP2022基于逻辑规则嵌入的时序图谱模型
weixin_44792660的博客
05-04 378
现有关于时序知识图的外推推理，主要有依赖于学习到的实体与关系嵌入的基于嵌入的方法和基于逻辑规则的方法，收到可伸缩性的问题。通过学习规则嵌入提取深度因果逻辑，设计了自适应逻辑规则嵌入模型ALRE-IR，并提出一种单类增广匹配损失进行优化，该模型还具备量化的零样本能力。
关联挖掘算法详解
11-20
关联挖掘算法主要包括Apriori和FP-Growth，两者对于不同的场景有着显著地差异性...
python中cPAMIE类包
06-08
从官网上获得的PAMIE包，包括cPAMIE类，可实现python对网页的解析操作。
论文浅尝 | 基于表示学习的大规模知识库规则挖掘
开放知识图谱
10-02 1475
链接：www.ict.griffith.edu.au/zhe/pub/OmranWW18.pdf动机传统的规则挖掘算法因计算量过大等原因无法应用在大规模KG上。为了解决这...
关联规则挖掘（Association Rule (AR) algorithms）
wydbyxr的博客
10-22 1257
关联规则挖掘（Association Rule (AR) algorithms）
AMIE模型
weixin_45780075的博客
03-29 381
它从大规模的知识库中学习新的关系规则，这些规则可以帮助人们更好地理解知识图谱的内容，或者用于其他应用，如自然语言处理、推荐系统等。AMIE的主要目标是从结构化数据中抽取实体之间的关系，这些数据通常以三元组的形式表示，即由实体-关系-实体组成。：AMIE使用一种称为置信度和支持度的评估指标来衡量规则的有效性，以确保抽取的规则具有较高的质量和可信度。：AMIE利用多个智能方法来学习关系规则，包括基于频繁项集挖掘的方法、基于逻辑规则的方法等。要使用AMIE模型进行知识图谱中关系的自动抽取，一般遵循以下。
知识图谱可解释推理研究综述
renhongxia1的博客
12-22 2508
PDFHTML阅读XML下载导出引用引用提醒 知识图谱可解释推理研究综述 DOI:10.13328/j.cnki.jos.006522 作者: 侯中妮 靳小龙 陈剑赟 官赛萍 王元卓 程学旗 作者简介: 侯中妮(1996-),女,博士生,主要研究领域为知识图谱,事理图谱;靳小龙(1976-),男,博士,研究员,博士生导师,CCF高级会员,主要研究领域为大数据知识工程,知识图谱;陈剑赟(1977-),女,博士,主要研究领域为智能信息处理,系统工程;官赛萍(1991-),女,博士,助理研究员,主要研
LIME算法：模型的可解释性（代码实现）
热门推荐
weixin_42347070的博客
05-12 2万+
在这篇笔记中分享前段时间我对于LIME算法的调研。 ** 一、算法简介 ** LIME算法是Marco Tulio Ribeiro2016年发表的论文《“Why Should I Trust You?” Explaining the Predictions of Any Classifier》中介绍的局部可解释性模型算法。该算法主要是用在文本类与图像类的模型中。 1.算法主要用途 在算法建模过程中，我们一般会用测试集的准确率与召回率衡量一个模型的好坏。但在和客户的实际沟通时，单单抛出一个数字就想要客户信任我
《知识图谱方法、实践与应用》- 第六章 知识图谱推理
锵锵锵锵蒋的博客
11-30 1864
——总结自王昊奋、漆桂林、陈华钧主编的《知识图谱方法、实践及应用》一书的第六章 知识图谱推理。 文章目录面向知识图谱的推理基于演绎的知识推理1 本体推理2 基于逻辑编程的推理方法3 基于查询重写的方法4 基于产生式规则的方法 面向知识图谱的推理 主要围绕关系的推理展开，即基于图谱中已有的事实或关系推断出未知的事实或关系，一般着重考察实体、关系和图谱结构三个方面的特征信息。知识图谱的推理主要能够辅助推理出新的事实，新的关系、新的公理及新的规则等。 融合过程中包含两个重要的推理任务：实体对齐 Entity Al
第四章 算法：基础方法 挖掘关联规则
qq_42714369的博客
06-16 217
4.5挖掘关联规则 1.适用数据类型 不同属性子集存在依赖性 2.代表 Aprior算法 3.有效建立规则 分为两个阶段： 1.产生达到指定最小覆盖量的项集 产生所有能达到给定最小覆盖量的单项集 利用单项集产生二项集、三项集等等。每一步都要对整个数据集访问一遍，统计项集的数量 2.从每一个项集找出能够达到指定最小正确率的规则 ...
知识图谱中的AMIE法
最新发布
05-24
AMIE（Automatic Mining of Informative Entity Relationships）是一种基于规则挖掘的知识图谱补全方法，它可以自动地从大规模的三元组数据中挖掘出具有信息价值的实体关系。AMIE算法是一种无监督学习算法，不需要手动标注训练数据，可以自动从原始数据中学习出规则。 AMIE算法主要有以下几个步骤： 1. 候选关系生成：通过分析三元组数据中的实体和关系，AMIE算法可以生成一些候选关系。 2. 关系过滤：对于每个候选关系，AMIE算法会计算它的支持度和置信度，并过滤掉那些不满足条件的关系。 3. 关系评估：对于保留下来的候选关系，AMIE算法会计算它们的信息增益，并根据信息增益排序。 4. 输出关系：最后，AMIE算法会输出得分最高的关系作为知识图谱的补全结果。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值