当前位置:首页 > 报告详情

浅谈知识图谱的关联视角和因果视角.pdf

上传人: 2*** 编号:122084 2023-04-04 38页 3.65MB

报告标签

知识图谱技术
word格式文档无特别注明外均可编辑修改,预览文件经过压缩,下载原文更清晰!
三个皮匠报告文库所有资源均是客户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
本文探讨了知识图谱中的关联与因果关系,以及在高风险领域中从性能驱动转向风险敏感的方法。作者指出,大多数机器学习模型是黑箱模型,且在开发时基于独立同分布(I.I.D)假设。这导致今日机器学习面临的问题,如解释性差、稳定性不足等。文章提出,因果关系是机器学习的基础,但相关性不稳定。因此,需要从因果机制的角度来表示、构建和推断知识图谱。 文章详细讨论了因果规则,如何通过元知识生成知识图谱,以及元知识在预测治疗关系中的应用。作者提出,元知识是知识图谱稳定性和可解释性的关键。通过实验,文章展示了在药物再利用和电影推荐领域,基于因果规则的知识预测方法(CMLP)相较于传统方法有显著性能提升。 总结来说,文章强调了元知识在知识图谱研究中的前景,因果学习在表示、构建和推断知识中的重要性,以及因果知识在可解释性和泛化方面的优势。同时,文章也承认了在元路径搜索、评估因果规则、以及全局与个体因果关系等方面的挑战。
"知识图谱中的因果关系如何影响AI决策?" "如何利用元知识提高知识图谱的稳定性和可解释性?" 哪种逻辑更适合表示知识关系?"
客服
商务合作
小程序
服务号
折叠