排序方式： 共有3条查询结果，搜索用时 0 毫秒
1
1.
2.
随着大数据的迅速发展,知识网络在不同语言、不同领域和不同模态等情境下呈现高度多样性和复杂性,如何对齐与整合多源情境下的异构知识网络,成为研究者所面临的严峻挑战。本文在知识网络深度表示学习的基础上,提出一种由知识网络构建、跨语言网络表示学习和统计机器学习三个模块构成的知识网络对齐(knowledge network alignment,KNA)模型。为验证模型的有效性,在中英文双语知识网络数据集上开展实证研究,借助于网络表示学习算法将异构知识网络表征到同一空间,利用已知的对齐链接来训练统计机器学习模型,并通过模型来预测未知的节点对齐链接。KNA模型在跨语言共词网络对齐任务中取得Precision@1值为0.7731,高于基线方法 (0.6806),验证了KNA模型在跨语言知识网络对齐上的有效性。研究结果对于改进知识网络的节点对齐效果,促进多源情境下的异构知识网络融合具有重要意义。 相似文献
3.
李浩男 《课堂内外(小学版)》2006,(Z1)
日记,非得记今天的事吗?为什么不可以写“明天的日记”?明天,一切不可能发生的事都可能发生,多有趣呀!OK,赶快转动你的大脑,发挥想象,写出“明天的日记”!我们期盼着你的投稿 相似文献
1