基于知识图谱的可解释且通用的零样本语义通信
机器学习
2025-07-04 v1 人工智能
信息论
math.IT
摘要
数据驱动的语义通信基于浅层统计模式，因而缺乏可解释性和泛化能力，尤其是在存在未见数据时。为此，我们提出一种基于知识图谱增强的零样本语义通信（KGZS-SC）网络。受基于知识图谱的语义知识库（KG-SKB）中结构化语义信息的指导，我们的方案提供了通用的语义表示，并可为未见情况提供推理能力。具体而言，KG-SKB 在共享的类别语义嵌入空间中对齐语义特征，通过对齐语义特征增强发射方的泛化能力，从而通过选择性传输紧凑的视觉语义来降低通信开销。在接收方，利用零样本学习（ZSL）可为未见情况直接进行分类，无需 retraining 或额外的计算开销，从而增强在动态或资源受限环境中分类过程的适应性和效率。在 APY 数据集上的仿真结果表明，所提出的 KGZS-SC 网络在各种信噪比水平下对未见类别的分类具有稳健的泛化能力，并显著优于现有的 SC 框架。
引用
@article{arxiv.2507.02291,
title = {Knowledge Graph-Based Explainable and Generalized Zero-Shot Semantic Communications},
author = {Zhaoyu Zhang and Lingyi Wang and Wei Wu and Fuhui Zhou and Qihui Wu},
journal= {arXiv preprint arXiv:2507.02291},
year = {2025}
}