- 出版地点
- '计算机协会（ACM）'
- 出版日期
- 01/01/2017
- 研究领域
获取PDF在Web 2.0时代，大量非结构化内容通过异步方式，这使得它变得越来越困难收集和提取有用的信息。一种有效的方法探索文本流中的信息是主题建模，这可以进一步促进其他应用程序，如搜索、，信息浏览和模式挖掘。在本文中，我们提出一种基于语义图的主题建模方法用于构造异步文本流。我们的模型-集成主题挖掘和时间同步，两个核心用于解决问题的模块，成为一个统一的模型。具体来说，为了处理词汇空缺问题，我们使用了全局用于捕获hid的每个时间戳的语义图-den来自所有文本流的实体之间的交互。为了处理源异步问题，本地语义图用于发现类似的主题可能被时间分隔开的不同实体差距。我们对两个真实数据集的实验表明该模型显著优于现有模型个
- 出版地点
- 出版日期
- 01/01/2012
- 研究领域
全文链接关系数据表示已经成为一个越来越重要的主题由于最近网络数据集（例如社会、生物、，信息网络）和相应的应用增加针对这些领域的统计关系学习（SRL）算法。在这个文章中，我们研究了基于图形的关系的一系列表示问题数据。由于节点、链接、，和特性可以显著影响SRL算法的功能，我们关系表示的调查方法和机会转换旨在提高这些算法的性能。这个引导我们引入数据表示的直观分类法包含链接转换和节点转换作为对称表示任务。特别是节点和链路的转换任务包括（i）预测它们的存在，（ii）预测其标签或类型，（iii）估计其重量或重要性，以及（iv）系统地构建其相关特征。我们通过详细的示例激发我们的分类法，并使用它进行调查和比较每个任务的竞争方法。我们还讨论了转换链接、节点和要素的条件。最后，我们强调有待解决的挑战
- 出版地点
- '计算机协会（ACM）'
- 出版日期
- 15/02/2019
- 研究领域
全文链接知识图嵌入旨在学习实体和关系，并在许多应用中被证明是有效的。交叉交互——实体和关系——在预测新三元组时帮助选择相关信息，但之前还没有正式讨论过。在本文中，我们提出了CrossE显式模拟交叉的新型知识图嵌入互动。它不仅学习每个实体的一个通用嵌入，而且关系，但也会生成多个三元组它们的特定嵌入，称为交互嵌入。我们评估嵌入典型的链接预测任务并发现CrossE实现了复杂且更具挑战性的数据集上的最新结果。此外，我们从一个新的角度来评估嵌入——对预测的三元组，这对实际应用很重要。在这项工作中对三元组的解释被认为是头部之间可靠的闭合路径和尾部实体。与其他基线相比，我们通过实验证明得益于交互嵌入，CrossE更能生成支持其预测的可靠解释。评论：本论文被WSDM201接受
