刘俊涛
- 作品数：3 被引量：28H指数：1
- 供职机构：武汉数字工程研究所更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 应用知识图谱的推荐方法与系统被引量：27
- 2021年
- 数据稀疏和冷启动是当前推荐系统面临的两大挑战.以知识图谱为表现形式的附加信息能够在某种程度上缓解数据稀疏和冷启动带来的负面影响,进而提高推荐的准确度.本文综述了最近提出的应用知识图谱的推荐方法和系统,并依据知识图谱来源与构建方法、推荐系统利用知识图谱的方式,提出了应用知识图谱的推荐方法和系统的分类框架,进一步分析了本领域的研究难点.本文还给出了文献中常用的数据集.最后讨论了未来有价值的研究方向.
- 饶子昀张毅刘俊涛曹万华
- 关键词：推荐系统协同过滤知识图谱知识推理
- 考虑多种真实情况的软件可靠性增长模型被引量：1
- 2014年
- 进行软件可靠性评估主要通过构建软件可靠性模型实现。软件可靠性模型通常给出被检出的故障可以立即被排除,并且不会有新的故障被引入的假设,这与实际的检错过程是不相符的。针对以上假设条件,提出了一种新的软件可靠性增长模型。该模型将软件的检错过程和排错过程作为两个独立的非齐次泊松过程分别进行建模,并将软件中存在的故障数看作是一个变化的函数,该函数包括软件中初始故障及引入的故障。在两个数据集上进行相应实验证明,较之其他模型,新建模型的拟合和预测效果更好。
- 吴彩华王晓伟刘俊涛马建朝
- 关键词：软件可靠性增长模型
- 融合HousE和注意力机制的知识推理模型
- 2024年
- 知识推理技术是解决知识图谱缺失问题所提出的方法,并在近年来不断发展。为了解决推理中准确度低、可解释性差、适用性不强等问题,提出了一种融合注意力机制和HousE的知识推理模型Att-HousE。该模型由一个带注意力机制的规则生成器和一个带HousE嵌入的规则预测器组成,规则生成器生成推理需要的规则并传入预测器,预测器更新并得到不同规则的得分,然后通过EM算法不断训练优化生成器与预测器。具体而言,该模型是建立在RNNLogic的基础上并作出改进,注意力机制可以选取更值得关注的关系作为规则,提高了模型准确度,HousE嵌入则在处理复杂关系上更具有灵活性,并适用于建立多边关系。在公开实验数据集上的结果表明,Att-HousE在FB15K-237上做推理任务时,MRR指标整体比RNNLogic高出6.3%;在稀疏数据集WN18RR上,Hits@10指标整体比RNNLogic高出2.7%,证明了引入HousE和注意力机制后可以更全面地抓取和形成多边关系,提升知识推理的精度。
- 朱玉亮刘俊涛饶子昀张毅曹万华
- 关键词：知识推理知识表示EM算法
