-
题名基于互信息自适应的多模态实体对齐方法
被引量：1
- 1
-
-
作者
高永杰
党建武
张希权
郑爱国
-
机构
兰州交通大学光电技术与智能控制教育部重点实验室
兰州交通大学电子与信息工程学院
轨道交通信息与控制国家级虚拟仿真教学中心
中国铁路北京局集团有限公司天津电务段
-
出处
《计算机应用研究》
北大核心
2025年第1期106-110,共5页
-
基金
国家自然科学基金资助项目(62067006,62367005)
中央引导地方科技发展资金资助项目(332140068864)
甘肃省高校科研创新平台重大培育项目(2024CXPT-17)。
-
文摘
多模态实体对齐是知识融合过程中的关键一步,但异构的多模态知识图谱拥有较大的结构差异性,并且其多模态信息存在不完全性,利用当前的多模态实体对齐方法无法取得较好的对齐效果。针对上述问题,提出了基于互信息自适应的多模态实体对齐方法。一方面通过设计自适应融合机制来减小模态差异以及依据模态信息的贡献程度动态分配权重,另一方面引入互信息作为附加特征来强化实体的特征表示,最后利用实体相似度计算来进行实体对齐。实验表明,在5个通用的数据集上,MAMEA相较于当前基线模型,指标hits@1最大可提升1.8%,最小可提升1.4%,指标MRR最大可提升1.4%,最小可提升0.8%,证明了该模型可有效地提升多模态实体对齐的效果。
-
关键词
多模态知识图谱
实体对齐
自适应特征融合
对比表示学习
互信息
-
Keywords
multimodal knowledge graph
entity alignment
adaptive feature fusion
contrastive representation learning
mutual information
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
-
题名基于双偏好矩阵的B2B智能推荐研究与实践
被引量：3
- 2
-
-
作者
王普
张朝霞
吴艳华
赵正阳
-
机构
中国铁道科学研究院集团有限公司研修学院
中国铁路北京局集团有限公司天津电务段
中国铁道科学研究院集团有限公司电子计算技术研究所
-
出处
《铁道学报》
EI
CAS
CSCD
北大核心
2019年第4期16-24,共9页
-
基金
国家重点研发计划(2018YFB1201403)
中国铁路总公司科技开发计划(2017X001-D)
中国铁道科学研究院科技开发计划(2017YJ006)
-
文摘
B2B电商平台的用户都具有企业特征,传统的协同过滤算法以用户-商品偏好矩阵为主,难以体现用户的企业特征。在传统协同过滤算法的基础上增加企业-类别矩阵,改进形成双偏好矩阵协同过滤算法,搭建具有企业数据特征的B2B电商平台智能推荐引擎,应用于电商大数据分析平台,并在铁路某电商平台上进行实践应用,算法响应时间为毫秒级。为了证明算法的实用性,分别在准确率、召回率、覆盖率、新颖度等方面与传统的协同过滤算法、KNN算法进行对比,均具有优势,尤其是在不活跃用户的准确性方面提升超过10%。
-
关键词
B2B平台
智能推荐
双偏好矩阵
协同过滤算法
-
Keywords
B2B platform
intelligent recommendation
dual-preference matrix
collaborative filtering algorithm
-
分类号
F713.36
[经济管理—产业经济]
-
