運(yùn)用多模態(tài)學(xué)習(xí)改進(jìn)張量分解的知識補(bǔ)全方法

摘要： 基于單一模態(tài)實體之間建立關(guān)聯(lián)所形成的語義關(guān)系網(wǎng)難以準(zhǔn)確理解現(xiàn)實世界中的多模態(tài)語義。為增強(qiáng)多源知識圖譜的補(bǔ)全能力以及解決知識圖譜語義缺失問題，提出一種基于多模態(tài)嵌入張量分解的方法 ME-TD (multimodal embedding tensor decomposition)。利用由圖像、描述文本和知識構(gòu)成的三元組作為張量分解模型的輸入，分別對圖像和文本進(jìn)行特征提取，研究3種融...