郭强
- 作品数：6 被引量：4H指数：1
- 供职机构：江南计算技术研究所更多>>
- 发文基金：国家科技重大专项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>>
- 基于图嵌入的社交账号与知识图谱实体对齐
- 2021年
- 社交网络与知识图谱的之间的数据融合对于知识图谱构建和社交网络分析具有重要的应用价值,而社交账号与知识图谱实体的对齐是两类数据融合的关键。针对社交账号与知识图谱实体的对齐问题,结合社交网络与知识图谱的结构特点,文中提出了一种基于图嵌入特征的社交账号实体对齐方法,旨在给定社交账号的情况下,能够在知识图谱中找到正确的对应实体。该方法在目标实体选择阶段将社交关系子图映射成知识图谱子图,利用图嵌入特征选取子图中的核心实体集,并根据核心实体集构造特征向量,选用多层感知机作为分类器,从而确定社交账号所对应的目标实体。使用基于Twitter与Wikidata的实体对齐数据集进行了实验验证,通过与基线方法的对比,实验结果表明该方法能够达到较好的对齐效果。
- 郭强谭菊仙刘家祝
- 关键词：社交网络知识图谱数据融合
- vsftpd安全机制探讨
- 2010年
- vsftpd以其安全、快速、稳定等特性迅速占领ftp server"市场",正如其名"very security ftp damon",安全是最关键因素。该文工作主要结合vsftpd源代码对其安全机制进行探讨,揭示了vsftpd安全机制的设计原则和具体实现。
- 郭强陈龙得张毅
- 关键词：VSFTPD
- 基于网络拓扑与节点元数据的社团检测算法被引量：1
- 2018年
- 传统社团检测算法利用网络拓扑挖掘社团结构,忽略了真实复杂网络中节点自身属性等信息在社团归属方面的重要作用。为此,提出基于网络拓扑与节点元数据的复杂网络社团检测算法。将高维的节点元数据建模为混合高斯模型,结合随机块模型建立似然概率模型,通过求解模型最优解得到网络的最优划分结果。在基准网络与Facebook网络上的实验结果表明,该算法不仅能准确挖掘网络中的社团结构,而且可结合真实社团情况给出合理解释。
- 刘宇廷毕海滨郭强倪颖杰
- 关键词：复杂网络高斯混合模型
- 基于短语级注意力机制的关系抽取方法被引量：2
- 2019年
- 关系抽取是自然语言处理的重要研究内容,是知识图谱构建的关键技术。目前,在神经网络中引入注意力机制进行关系抽取成为主流方法,现有方法一般结合句子单词和实体相关性计算注意力,没有考虑短语和实体关系之间的相关性,并且对实体信息利用不够充分。针对该问题,提出基于短语级注意力机制的关系抽取方法。首先用卷积层对词向量做卷积,以滑动窗口的方式得到短语级的向量表示,然后利用短语与实体关系之间的相关性计算注意力。为了使实体信息利用更充分,用卷积层和池化层分别提取实体短语的深度特征表示,并引入TransE的思想表示两个实体关系的特征。最后,采用分段池化方法得到深度特征。为了减少远程监督中错误标签的干扰,使用标签平滑正则化(LSR)把原来的“硬”标签改为“软”标签。实验结果表明,该方法能够有效利用短语信息和实体关系信息,对实体关系抽取效果有较大的提升。
- 尹鹏周林郭强刘镇江
- 关键词：关系抽取
- 基于子图相交的社交账号与知识图谱实体对齐被引量：1
- 2020年
- 社交媒体与知识图谱的数据各具特点,相互之间的数据互通具有较强的现实意义,而社交账号与知识图谱实体的对齐是数据互通的前提。针对社交媒体与知识图谱的特点,提出了一种基于子图相交的对齐方法,旨在给定社交账号的情况下,根据社交账号的相关信息在知识图谱中找到正确的对应条目。该方法在候选实体生成阶段对比实验了不同的生成策略。在目标实体选择阶段提出一种基于子图相交的算法,利用社交账号的社交关系在知识图谱中映射成子图。子图相交算法通过考察子图中候选实体周围顶点的"稠密"程度,确定社交账号所对应的目标实体。由于该领域尚无公开可用的测试数据集,构造了一个基于Twitter与Wikidata的对齐数据集,使用该数据集对该方法进行评估,对比测试了标题匹配算法和AGDISTIS算法,子图相交算法能够达到更好的效果。
- 刘家祝郭强吴碧伟曾明勇
- 关键词：社交媒体知识图谱子图社交关系对齐
