《表7 不同实体融合方法实验结果比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《多源环境下中药实体统一视图构建策略》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

基于实验结果，选取400对不同源实体，分别采用3种不同的实体融合方法进行相关度计算。其中，基于分类距离分数的自适应融合（adaptive fusion based classification distance score，AFCDS）算法将匹配分数与阈值之间的距离分数作为融合分数指标，不仅携带分类置信度的类别信息，也包含匹配分数与分类阈值之间的距离信息，并通过信息熵定义关联系数和特征权重系数[17]。特征融合（feature fusion，FF）方法从目标实体中提取数据或特征进行融合，将2个源特征向量组合成1个更完整、更具识别度的统一向量，如果2个输入向量的维度不同，则在低维向量的相应位置用零填充[18]。本研究基于词向量计算不同实体及实体属性间的相关度，与以上2种方法进行实验对比，结果见表7。