계층형 온톨로지 구조의 저밀도 지식베이스를 위한 컨볼루션 신경망 기반 개체 및 관계 임베딩Embedding entities and relations for sparse knowledge base of hierarchical ontology structure using convolutional neural networks
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.advisor | 최기선 | - |
| dc.contributor.advisor | Choi, Key-Sun | - |
| dc.contributor.author | 김지호 | - |
| dc.date.accessioned | 2021-05-11T19:33:58Z | - |
| dc.date.available | 2021-05-11T19:33:58Z | - |
| dc.date.issued | 2019 | - |
| dc.identifier.uri | http://library.kaist.ac.kr/search/detail/view.do?bibCtrlNo=875453&flag=dissertation | en_US |
| dc.identifier.uri | http://hdl.handle.net/10203/283077 | - |
| dc.description | 학위논문(석사) - 한국과학기술원 : 전산학부, 2019.8,[vi, 64 p. :] | - |
| dc.description.abstract | 지식베이스 완성 작업의 목적은 미완성인 지식베이스에서 빠진 정보, 삼항관계들을 채우기 위함이다. 개체의 수가 적고 고밀도인 실험용 데이터셋에 대해서 지식베이스 완성 성능을 높이는 연구들은 많이 이루어졌지만, 해당 연구들은 비교적 밀도가 낮고 개체의 수가 많은 실제 지식베이스에 대해서는 검증된 바 없다. 또한 기존 연구들은 온톨로지 구조를 가지고 있지 않은 지식베이스만을 기준으로 삼는다. 본 논문에서 제안하는 개체 및 관계 임베딩은 컨볼루션 신경망을 기반으로 하여 계층형 온톨로지 구조의 저밀도 지식베이스에 적합하도록 경로 정보 및 온톨로지 정보를 사용한다. 본 모델이 한국어 디비피디아 데이터셋에 대한 링크 예측 문제에서 기존 연구들에 비해 더 뛰어난 성능을 보이고, 나아가 지식 추출 시스템의 반복 학습 과정에서 전체 시스템의 성능을 향상시킬 수 있음을 보였다. | - |
| dc.language | kor | - |
| dc.publisher | 한국과학기술원 | - |
| dc.subject | 저밀도 지식베이스▼a지식베이스 완성▼a컨볼루션 신경망▼a반복 학습 | - |
| dc.subject | sparse knowledge base▼aknowledge base completion▼aconvolutional neural network▼aiterative learning | - |
| dc.title | 계층형 온톨로지 구조의 저밀도 지식베이스를 위한 컨볼루션 신경망 기반 개체 및 관계 임베딩 | - |
| dc.title.alternative | Embedding entities and relations for sparse knowledge base of hierarchical ontology structure using convolutional neural networks | - |
| dc.type | Thesis(Master) | - |
| dc.identifier.CNRN | 325007 | - |
| dc.description.department | 한국과학기술원 :전산학부, | - |
| dc.contributor.alternativeauthor | Kim, Jiho | - |
- Appears in Collection
- CS-Theses_Master(석사논문)
- Files in This Item
- There are no files associated with this item.
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.