《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》

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

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。