论文浅尝 | 基于位置的社会网络中社会经济指标预测的层次知识图谱学习

文章预览

笔记整理：陈少凯，浙江大学硕士，研究方向为知识图谱 链接：https://dl.acm.org/doi/pdf/10.1145/3543507.3583239 1. 动机 社会经济指标从人口、经济、犯罪、土地利用等各个方面反映区位状况，对理解基于位置的社会网络 (LBSNs) 具有重要作用。特别是，已有的一些研究利用多源数据对 LBSNs 的社会经济指标进行预测，但未能捕获语义信息，并从中提取全面的知识。另一方面，从多源数据中提取语义知识的知识图谱是近年来 LBSN 研究的热点，这也启发了作者在 LBSN 中引入知识图谱进行社会经济指标预测的想法。 本文提出了一种基于知识图谱的层次学习框架来解决 LBSN 中异构数据建模的问题。 首先，论文将知识图谱引入 LBSN 的社会经济指标预测问题中，构建了 LBKG 来将异构的 LBSN 数据综合集成到一个单一的多关系图中。 其次，作者提出了一个层次 KG 学习模型， ………………………………