Новости из мира науки, технологий и авто
Источник фото: pixabay.com Эксперименты с несколькими наборами контрольных данных показали большую эффективность предложенного учеными гибридного метода по сравнению с другими конкурентными автономными и гибридными базовыми уровнями.
Проблема рассуждения графа знаний широко исследовалась традиционными системами, основанными на правилах, а в последнее время - методами встраивания графов знаний. Хотя логические правила могут фиксировать детерминированное поведение в графе знаний, они хрупкие, и разработка правил, выводящих факты, выходящие за рамки известного графа, является сложной задачей.
Вероятностные методы встраивания эффективны для фиксации глобальных мягких статистических тенденций, и их использование является эффективным с точки зрения вычислений. Хотя встраивание представлений, извлеченных из обширных обучающих данных, является выразительным, неполнота и разреженность в реальных графах данных могут повлиять на их эффективность.
Ученые стремились использовать взаимодополняющие свойства обоих методов для разработки гибридной модели, которая одновременно изучает как высококачественные правила, так и вложения. В новом методе используется парадигма перекрестной обратной связи: модель внедрения используется для направления поиска системы интеллектуального анализа правил, поиска правил и вывода новых фактов. Эти новые факты отбираются и используются для уточнения модели встраивания.
