Εκμάθηση σχέσεων από γράφους γνώσης με τεχνολογίες μηχανικής μάθησης
Διπλωματική Εργασία


Περιγραφή

Οι γράφοι γνώσης αποτελούν ένα ισχυρό εργαλείο για την αναπαράσταση γνώσης. Αποτελούν τη βάση του σημασιολογικού ιστού μέσω του προτύπου RDF και έχουν χρησιμοποιηθεί για να περιγράψουν τόσο γνώση γενικού ενδιαφέροντος όσο και γνώση που αφορά εξειδικευμένους επιστημονικούς τομείς. Αν και το μοντέλο των γράφων γνώσης είναι κατανοητό από τον άνθρωπο, δεν είναι ιδιαιτέρως κατάλληλο προς κατανάλωση από αλγορίθμους μηχανικής μάθησης. Το πεδίο της στατιστικής εκμάθησης σχέσεων από γράφους γνώσης αφορά τη μελέτη μεθόδων με τις οποίες μπορούμε να κατασκευάσουμε μοντέλα μηχανικής μάθησης που ενσωματώνουν τα μοτίβα που εμφανίζονται στον γράφο γνώσης. Στο πλαίσιο της διπλωματικής εργασίας, θα μελετηθούν αλγόριθμοι ορατών χαρακτηριστικών (observable features models) καθώς και υποκείμενων χαρακτηριστικών (latent features models), αλλά και συνδυασμών τους, με στόχο την αποτελεσματική εκμάθηση μοτίβων γράφων γνώσης. Αυτά τα μοντέλα θα αξιολογηθούν με χρήση τυπικών εργασιών όπως πρόβλεψη συνδέσμων και ταξινόμηση τριάδων. Επιθυμητές γνώσεις: Python, TensorFlow, διαχείριση γράφων γνώσης.

Για περισσότερες πληροφορίες, επικοινωνήστε με τον Γιώργο Στάμου (gstam at cs.ntua.gr) και τον Αλέξιο Μανδαλιό (amandalios at islab.ntua.gr).