《表3 不同模型实验结果对比》
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
《基于图卷积嵌入与特征交叉的文献被引量预测方法:以交通运输领域为例》
不同模型在各个评价指标上得到的结果如表3所示。本文模型在各项指标均取得了很好的效果。本文模型通过图嵌入网络,得到相关特征的表达。在预测时,通过交叉网络,将特征进行二阶交叉,并利用GRU对其序列进行建模,最后采用注意力机制对更加重要的特征赋予更高权重。AVR模型的性能最差,表明仅仅通过找寻与目标文献具有相似变化趋势的文献进行参考,未考虑文献所附带的内容信息,难以对其未来的被引量做出有效预测。GMM模型在此基础上有了一定改进,其通过高斯混合模型对文献被引量进行相似度计算,并选取其中可能性最大的簇进行预测。NNCP模型利用深度学习方法,直接对文献的被引量变化趋势进行建模,充分考虑文献的不同被引量变化趋势。因此相比AVR与GMM模型,NNCP取得了更好的效果。
图表编号 | XD00227025300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.25 |
作者 | 张思凡、牛振东、陆浩、朱一凡、王荣荣 |
绘制单位 | 北京理工大学计算机学院、北京理工大学计算机学院、北京理工大学图书馆、北京理工大学计算机学院、北京理工大学计算机学院、北京理工大学计算机学院 |
更多格式 | 高清、无水印(增值服务) |