强化学习方法将压缩上下文整合到知识图谱中

Apr, 2024

强化学习方法将压缩上下文整合到知识图谱中

Reinforcement Learning Approach for Integrating Compressed Contexts into Knowledge Graphs

Ngoc Quach, Qi Wang, Zijun Gao, Qifeng Sun, Bo Guan...

TL;DR该研究提出了一种基于强化学习的方法，利用深度 Q 网络增强知识图谱中上下文信息的整合过程。实验结果表明，该方法在不同的标准知识图谱数据集上优于传统技术，准确实现了上下文整合，凸显了强化学习在增强和管理知识图谱方面的潜力和有效性。

Abstract

The widespread use of knowledge graphs in various fields has brought about a challenge in effectively integrating and updating information within them. When it comes to incorporating contexts, conventional methods often rely on rules or basic machine learning models, which may not full

knowledge graphs context integration reinforcement learning deep q networks information updating

发现论文，激发创造

具有显式上下文表示的深度强化学习

该研究提出了一种离散环境中的 Iota 显式上下文表示 (IECR) 框架，通过提取上下文关键帧 (CKFs) 实现了从环境中学习，并使用新算法在五个离散环境中取得了显著优于现有算法的收敛效果。

Oct, 2023

从赌徒模型到深度确定性策略梯度，具有情境信息的强化学习

在研究中，我们采用了两种方法来解决情境信息的问题：情境 Thompson 抽样和受监督的强化学习，这可以加速搜索最佳答案的迭代。为了研究量化市场中的战略交易，我们将之前的金融交易策略（常比例保险组合）与深度确定性策略梯度相结合。实验结果表明，两种方法都可以加速强化学习的进展，以获取最优解。

Oct, 2023

将图上上下文知识融入预训练语言模型

本文提出了一种基于 Transformer 模型的知识表示学习方法，能够有效地捕捉知识图谱中节点的上下文信息，提高了医学自然语言处理中的性能表现。

Nov, 2019

利用强化学习在图表示上进行对话代理的知识获取

我们开发了一个人工智能代理，通过与其他代理进行对话来积极增加其知识库，并通过识别新的集成信念周围的图模式来生成对话响应，我们展示了在交互中可以使用强化学习来学习选择有效的图形模式，而无需依赖明确的用户反馈，并在这一背景下，我们的研究证明了利用用户作为信息来源的可行性。

Jun, 2024

使用深度强化学习学习状态表示以进行查询优化

研究使用深度强化学习在数据库领域中的查询优化问题，特别关注状态表征问题和状态转移函数的构建，并证明该方法在优化查询方面具有潜在的应用价值。

Mar, 2018

使用知识图谱进行深度强化学习的迁移学习

该研究探讨了使用知识图谱作为域知识传输的表示来训练文本冒险游戏中的强化学习智能体的方法，测试其在多个游戏上的迁移学习能力，结果表明这种方法能够更快地学习高质量的控制策略。

Aug, 2019

冰球中基于上下文的球员评估的深度强化学习

本论文提出了一种基于深度强化学习（DRL）的新方法来捕捉游戏背景，该方法使用 3M NBA 比赛的 play-by-play 事件来学习一个行动价值 Q 函数，并引入一种新的游戏影响度量（GIM）来评估玩家的整体表现。评估结果表明，GIM 在整个赛季中保持一致，并与标准成功指标和未来薪资高度相关。

May, 2018

循环强化学习：一种混合方法

本文研究了一种深度学习方法，将强化学习和监督学习结合，通过长短时记忆网络对隐藏状态的表示进行学习，在部分可观测任务中表现出了很好的性能。

Sep, 2015

强化学习的大规模检索

本文探讨了一种不同于深度强化学习的方法，通过利用大规模上下文情境的数据库搜索来支持参数计算，实现直接学习以利用相关信息指导输出，并且用此方法提高了离线与在线强化学习智能体的表现

Jun, 2022

基于知识图谱的上下文驱动视觉对象识别

通过将语境知识编码到知识图中，提高深度学习方法的鲁棒性，增强物体识别模型对于跨领域和真实世界场景的表现。

Oct, 2022