《表7 不同实体融合方法实验结果比较》
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。
图表编号 | XD00157837800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.15 |
作者 | 梁杨、丁长松、蔡雄 |
绘制单位 | 湖南中医药大学信息科学与工程学院、湖南省中医药大数据分析实验室、中南大学计算机学院、湖南中医药大学信息科学与工程学院、湖南省中医药大数据分析实验室、湖南中医药大学科技创新中心 |
更多格式 | 高清、无水印(增值服务) |