换一批知识图谱补全技术及其在中医药典籍挖掘中的应用
Knowledge Graph Completion Technology and Its Application in Mining Traditional Chinese Medicine Classics
摘要随着知识图谱(KG)的广泛应用,其构建过程中出现的知识缺失问题日益引起关注,因此知识图谱补全(KGC)成为当下的关键研究方向之一.知识图谱补全旨在自动识别并填补图谱中缺失的实体和关系,提升知识图谱的完整性和精准性.本文系统梳理了知识图谱补全的主要方法,包括传统方法、基于深度学习、图神经网络、强化学习及元学习的补全策略,重点分析了各自的特点与适用场景.同时,探讨了知识图谱补全技术在中医药典籍挖掘中的创新应用,通过补全技术整合分散的典籍资源,推进中医药学理论的现代化解读,融合多模态知识实现中医古籍的智能化发展与传承.该研究为中医药典籍知识的整理与现代化应用提供了理论支持与技术保障.
更多相关知识
关键词
知识图谱知识图谱补全中医药典籍挖掘Knowledge graphKnowledge graph completionTraditional Chinese medicineClassical text mining
分类号
R2-03（中国医学理论）
栏目名称
发布时间
2025-08-28（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家重点研发计划（2023YFC3502900）
国家自然科学基金（82305439）
中国中医科学院基本科研业务费优秀青年科技人才培养专项（ZZ16-YQ-053）
中央级公益性科研院所基本科研业务费专项（YZX-202422）
- 浏览5
- 被引2
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
