《表3 不同模型在两个数据集上的RMSE分数》
由于RMSE主要用来衡量联合作战指挥行为关系预测值与真值之间的偏差以及模型性能的稳定性,对于错误的预测结果具有较好的敏感性,因此通过比较RMSE指标可以对时序作战指挥行为模型的准确度做出较好的评价,如表3所示。相比较基线模型而言,本文提出的模型优势较为明显,尤其在联合作战态势数据集上的表现更为突出,相比较表现较好的metapath2vec基线模型,在亚马逊电子产品数据集和联合作战指挥行为数据集上分别下降了3.26%和3.93%。该结果表明,真实想定场景的联合作战态势指挥行为数据集相比亚马逊电子产品数据集而言,作战指挥行为的类型和时序关联特征更加复杂,在作战指挥行为语义层面的网络结构特征之外,还要充分考虑联合作战指挥行为时序关联特征,应从具体的作战想定场景出发,针对联合作战指挥行为的实际特点,设计更为适应的知识表示学习模型,从而进一步提高联合作战指挥行为嵌入模型的表达能力。
图表编号 | XD00227342800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.01 |
作者 | 王保魁、吴琳、胡晓峰、贺筱媛、郭圣明 |
绘制单位 | 国防大学研究生院、国防大学联合作战学院、国防大学联合作战学院、国防大学联合作战学院、国防大学联合作战学院、国防大学联合作战学院 |
更多格式 | 高清、无水印(增值服务) |