期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
基于属性权重更新网络的跨语言实体对齐方法 被引量:1
1
作者 苏哲晗 徐涛 +1 位作者 戴玉刚 刘玉佳 《西北工业大学学报》 EI CAS CSCD 北大核心 2024年第1期157-164,共8页
跨语言知识图谱中属性数量庞大且重复率低导致对齐任务中属性信息难以高效嵌入。针对上述问题,提出了一种基于属性权重更新网络的跨语言实体对齐模型。为了高效地实现属性信息的嵌入,通过一个构造器利用实体嵌入来近似地构造属性的嵌入... 跨语言知识图谱中属性数量庞大且重复率低导致对齐任务中属性信息难以高效嵌入。针对上述问题,提出了一种基于属性权重更新网络的跨语言实体对齐模型。为了高效地实现属性信息的嵌入,通过一个构造器利用实体嵌入来近似地构造属性的嵌入,避免了属性嵌入的单独训练;基于不同属性对实体对齐贡献不同的事实,采用了一种基于图注意力网络的属性权重更新模块,可以在训练过程中利用注意力得分不断更新每个属性的权重;通过一个属性聚合模块将属性嵌入和属性权重信息聚合到实体嵌入中,强化了实体的嵌入表示,从而提升了实体对齐的效果。提出的模型在3个跨语言数据集的实验结果显示Hits@1评价指标分别为0.751,0.805和0.915,对齐效果均优于目前主流的实体对齐方法。 展开更多
关键词 知识图谱 实体对齐 属性信息 图卷积网络 图注意力网络
在线阅读 下载PDF
基于AHP与熵值法构建的火灾预测组合灰色模型 被引量:1
2
作者 郑子温 那孜古力·斯拉木 +1 位作者 王婧蓉 王旭东 《现代电子技术》 北大核心 2024年第5期118-126,共9页
火灾预测可以帮助消防部门更好地采取预防措施和制定灭火方案,减轻火灾损失。如何通过人工智能方法预测火灾数量、判断火灾发展趋势成为一项重要的研究课题。对城市消防火灾数量进行预测时,文中首先对原始数据序列进行加权滑动均值处理... 火灾预测可以帮助消防部门更好地采取预防措施和制定灭火方案,减轻火灾损失。如何通过人工智能方法预测火灾数量、判断火灾发展趋势成为一项重要的研究课题。对城市消防火灾数量进行预测时,文中首先对原始数据序列进行加权滑动均值处理;其次建立了基于背景值优化的灰色模型和无偏优化灰色模型;而后引入了结合等维新息理论的马尔可夫模型,对经过改进的灰色模型进行预测值的残差修正;最后建立了基于层次分析法(AHP)与熵值法的主客观赋权组合模型。针对北京市2012—2019年火灾事故数据进行建模,并对后续两年的火灾发生数量进行数据预测与模型对比验证分析,根据预测结果判断未来火灾数据的变化趋势。实验结果显示,优化模型可以提高预测精度,其中结合AHP与熵值法的组合模型预测精度达到了相对残差最小为0.6105%,后验方差比为0.323%。实验结果证明,优化后的模型可以更好地应用于对火灾事故的预测。 展开更多
关键词 火灾事故预测 GM(1 1) 马尔可夫模型 等维新息理论 层次分析法 熵值法 组合模型预测
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部