《表6 特征处理方法对知识网络节点对齐的影响》
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
《基于深度学习的领域知识对齐模型研究:知识网络视角》
注:阈值为0,维度为50。
KNA模型通过跨语言网络表示学习获得中英文网络表征后,需要选取合适的特征处理方法,使用相似度计算方法或机器学习法完成中英文共词网络链接预测任务。特征处理方法有三种,即向量拼接、向量相减和向量相减后取绝对值(向量相减+abs)。对特征处理方法的详细论述见本文第3.2.3节。此处,实验以异构网络链接预测为任务,以XGBoost为机器学习分类器,以特征处理方法为变量,确定在获得双语共词网络表征后,KNA模型的最佳特征处理方法。实验结果如表6所示。
图表编号 | XD00168287000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.24 |
作者 | 余传明、李浩男、安璐 |
绘制单位 | 中南财经政法大学信息与安全工程学院、中南财经政法大学统计与数学学院、武汉大学信息管理学院 |
更多格式 | 高清、无水印(增值服务) |