摘要： 第四政党体系以来的美国关键性选举作者:王一鸣定价:88元ISBN:978-7-5012-6580-0出版时间:2022年12月本书借用关键性选举理论这一研究工具,系统梳理了20世纪以来美国选举政治史上出现的几次关键性总统选举,重点聚焦罗斯福的新政联盟、里根的保守联盟、克林顿的中间主义、特朗普的崛起,通过对不同政党体系下的楔子议题、选民联盟、政党政治格局、选民基本盘面的剖析,对比分析这些关键性选举中的共性与个性因素、结构性与偶发性机理、即期性与深远性影响,将关键性选举发生的因素、表现出来的特点、造成的利弊影响等一一呈现。这本专著既是兼具历史智识和理论根基的学术力作,也是观战2024年美国总统大选的必备锦囊。

摘要： 国际主义者尼雷尔是坦桑尼亚第一任总统,在坦桑尼亚享有崇高威望,被尊称为“国父”和“导师”。他是非洲民族解放运动的先驱者,致力于推动南部非洲国家独立并带领非洲走上联合团结自强的道路,通过促进南南合作和南北对话,使第三世界国家地位获得显著提升。他曾先后13次访问中国,是中国人民的好朋友、老朋友。

关键词： 开放世界   知识图谱补全   元学习   Reptile   注意力机制  

摘要： 知识图谱以网络的形式将复杂知识结构化,应用于许多下游任务中,如Web搜索、智能推荐系统等。然而大多数知识图谱普遍存在关系缺失、数据不完整的问题,知识图谱补全任务的目的就是提高知识图谱的完备性,进而提高其在下游任务中的表现。随着现实世界知识的高速动态发展,不断出现新的实体和关系,而现有的以嵌入为基础的知识图谱补全方法大多数都假定知识图谱是固定不变的,当出现新的实体和关系时,需要重新训练模型,这将带来巨大的成本。与此同时,知识图谱中出现频率越低的长尾关系,涉及的实体也呈长尾分布,而目前大多数解决少样本问题的知识图谱补全方法只考虑长尾关系,忽略了长尾实体的存在。针对上述两个问题,本文主要研究工作和贡献如下:1.本文对知识图谱补全技术进行了研究和分析,考虑如何处理开放世界设定下的知识图谱补全问题,构建开放世界知识图谱中可见实体和可见实体之间的链接、不可见实体和可见实体之间的链接,并且研究了解决少样本问题的元学习方法,将元学习方法应用于解决开放世界知识图谱补全任务中存在的长尾关系和长尾实体的问题。2.本文提出了基于Reptile的元学习开放世界知识图谱补全模型(Reptile Meta-Learning Based Open-World Knowledge Graph Completion,RML),该模型主要包含描述编码器、三元组评分器和元学习器。其中描述编码器使用实体和关系的文本描述来生成嵌入表示,通过Bi-LSTM对文本描述进行上下文编码,再使用CNN的局部平移特性来进行特征提取,可以将不可见实体链接到知识图谱中。考虑到不同任务关系语义下的头尾实体应有不同的嵌入表示,使用任务关系特定聚合方法来实现头尾实体与任务关系的交互,以获取具有更丰富语义信息的嵌入表示。为提高模型预测能力,三元组评分器使用Trans E函数评估三元组的合理性。基于Reptile设计的元学习器可以通过关系的少量样本来快速更新模型参数以适应新任务,解决了知识图谱中存在的长尾关系和长尾实体的问题。3.在RML的基础上,本文还提出了基于多注意力的开放世界知识图谱补全模型(Multi-Attention Meta-Learning Based Open-World Knowledge Graph Completion,MAKGC)。以尾实体预测为例,该模型融合了以下多重语义交互信息:头实体与任务关系之间的语义交互信息、候选尾实体与任务关系之间的语义交互信息、候选尾实体与头实体之间的语义交互信息,基于词级注意力机制将这些信息进行融合,使得头尾实体具有更为准确的表达。此外,通过引入自注意力机制,模型能够进一步聚焦重点语义信息,去除噪声,从而挖掘出更深层次的语义关联信息。4.本文根据Reptile元学习方法的问题设置,构建了适用于元学习开放世界知识图谱补全任务的新数据集DBP50ktext,并且在数据集DBP50ktext和其它两个数据集WDtext、DBPtext上进行了对比实验和消融实验,实验结果表明,本文提出的两个模型在各个评价指标上的表现均优于本文选取的三组知识图谱补全算法,实现了更为准确高效的预测。

关键词： 知识图谱   知识推理   图神经网络   元学习   链接预测  

摘要： 知识图谱将现实事物间的联系高度概括为三元组的形式,在人工智能中起着知识存储和智能计算的作用。然而,知识图谱通常存在大量的数据缺失,影响在下游任务中的应用。知识推理则能够通过知识图谱中已有的知识自动推断出潜在的信息,摒弃了人工补全与更新的繁杂。传统的知识推理方法面向封闭世界,不能有效对新出现的实体或关系进行预测。图神经网络可以有效的学习图结构特征,而不完全依赖于节点与边的表示,因此本文考虑使用图神经网络设计能够处理开放世界数据的方法。本文的主要工作如下:(1)少样本问题在知识图谱中广泛存在,因此针对实体未知的少样本数据,提出一种使用图神经网络和元学习的归纳链接预测模型。该模型能自然推广到包含未知实体的知识图谱上,在少样本数据上依然能有效工作。具体来说,首先将数据根据关系类型分为四个任务,为其中的每个三元组构建一个子图;然后学习子图中的数据特征,使用元学习框架依次对每个任务进行训练,将关系作为图神经网络的可学习参数,使用消息传递更新节点和边;最后基于子图结构中的信息对三元组进行评分。实验结果表明,该模型在基准数据集上关于指标Hits@10平均有3.58%的提升。(2)开放世界知识图谱中存在同时包含未知实体和未知关系情况,尤其是涉及公共安全等领域的隐私问题时,无法提前获知数据。因此提出一种联合实体类型的知识外推模型,通过关系相关图进一步提取知识图谱中的特征,从而可以推广到包含未知数据的知识图谱上。在训练时,将部分实体和关系视为未知,使用预训练模型对知识图谱中已知的实体、关系和实体类型进行初始化;然后通过两个消息传递模块使用已知成分表示未知实体和关系,使用图神经网络对图谱中的特征进行更新;最终通过元学习训练机制获取最终的实体和关系表示。(3)将提出的开放世界知识推理模型应用到具体的场景中,设计基于知识推理的问答系统,用户可以通过输入三元组或问句查询知识图谱中的信息,对于未知则通过知识推理模型进行推断。

关键词： 对话系统   语言知识   世界知识   实时知识   复制网络  

摘要： 随着互联网的不断进步,对话系统已经变得越来越普及,其不仅应用于具备语音助手的智能手机和智能家居等设备上,还被广泛应用于客户服务和在线购物等领域,帮助用户解决问题以提供更好的用户体验,给人们日常生活提供了极大的便利。然而,当前的对话系统仍然存在许多问题和挑战,对话模型极易生成安全回复,缺乏信息量和个性化,而且词汇重复性较高,影响了对话的流畅性和自然度,容易造成较差的用户体验。基于此,本文旨在提出一种可以生成高质量回复的开放域对话模型,通过引入外部知识对原有的基于神经网络的对话模型进行改进,使得对话系统能够更好地利用外部知识,以产生更加自然、准确和多样性的回复,提高对话系统的质量和效率,从而更好地满足用户需求。主要研究内容包括基于语言知识和世界知识的开放域对话模型,融合复述内容和实时知识的多轮对话模型,以及设计和实现了一个对话系统,并通过人机对话实例加以展示。具体包含如下三个方面:1.本文提出了一种基于知识增强的开放域多轮对话模型,通过利用语言知识(义原)和世界知识(领域词)有效提取对话历史中实词对应的更广泛概念的词汇,并进行替换,进而丰富对话内容的表达。该模型不仅能够学习对话历史替换后的粗粒度信息,也能整体把握原始对话历史的细粒度信息,从而消除歧义并丰富对话文本的表示效果。同时,语言知识和世界知识得到有效集成。该模型进一步有效融合了经过语言知识增强后的对话历史、扩充的三元组形式世界知识、知识管理和知识拷贝等多元信息,从而使得生成的回复具有知识性和多样性。在两个基准多轮对话语料库上的实验结果和可视化效果表明,该模型在自动评测和人工评测指标上同时取得了良好的效果。2.本文提出了一种融合复述内容和实时知识的多轮对话模型。该模型通过搜索引擎对上下文相关内容进行检索,获取对应的知识信息。通过正则化方法对检索到的知识信息进行筛选,避免不相关的内容引入噪音影响模型的训练。此外,通过RODS模型获取对话上下文进行复述,得到上下文中最核心的内容,生成主要内容的摘要,以确保模型在训练过程中可以更好地把握对话主题。通过融合复述和实时知识,该模型能够提高对话的连贯性和信息准确性,进一步增强了对话的语义表达能力。3.本文基于上述所提出的多轮对话模型,设计并实现了一个对话系统。首先进行了需求分析和功能分析,随后介绍了整个系统的架构以及各个功能模块。对于每个功能模块的执行过程进行了充分阐述,并呈现了系统的所有功能单元。通过人机对话实例,说明了本系统在进行交谈时可以生成准确、有意义的对话回复,进一步展示了该系统的高效性和实用性。该系统能够帮助用户快速获取所需的信息,同时具备一定的智能化和自学习能力,能够不断地优化和提升系统的表现,更好地适应用户需求和使用场景。

关键词： 全球创新指数   世界知识产权组织   科技集群   世界领先   经济体   联合国   排名   发布  

摘要： 当地时间2022年9月14日,联合国下属的世界知识产权组织(WIPO)提前发布了2022年“全球创新指数”报告的部分内容--“全球百大科技集群排名”,其中显示中国拥有21个世界领先的科技集群,在数量上首次追平美国,并列世界第一。世界知识产权组织自2007年起每年都会对全球大多数经济体进行“全球创新指数”排名,并发布相关报告。今年的完整版报告预计在9月29日正式公布。