排序方式: 共有4条查询结果,搜索用时 0 毫秒
1
1.
2.
针对知识图谱中存在部分属性信息对实体对齐任务影响程度不一致以及实体的邻域信息重要程度不一致的问题,提出了一种结合双层图注意力网络的邻域信息聚合实体对齐方法(two-layer graph attention network entity alignment,TGAEA)。该方法采用双层图神经网络,首先利用第一层网络对实体属性进行注意力系数计算,降低无用属性对实体对齐的影响;随后,结合第二层网络对实体名称、关系和结构等信息进行特征加权,以区分实体邻域信息的重要性;最后,借助自举方法扩充种子实体对,并结合邻域信息相似度矩阵进行实体距离度量。实验表明,在DWY100K数据集上,TGAEA模型相较于当前基线模型,hit@1、hit@10和MRR指标分别提升了4.18%、4.81%和5%,证明了双层图注意力网络在邻域信息聚合实体对齐方面的显著效果。 相似文献
3.
为了提高航海雷达目标检测性能,该文主要研究多分形布朗运动在扫描模式下雷达海杂波分形建模中的应用。该文验证实测海杂波数据具有非对称和尖峰厚尾的非高斯统计分布,并且具有分形特性;同时也证实实测数据在一定的情况下满足多分形布朗运动的假设条件。在此基础上,利用多分形布朗运动对实测数据进行建模,计算得到随时间变化的Hlder函数,结果显示不同距离区域的Hlder指数是不同的,目标处的Hlder指数大于海杂波处的H?lder指数。该文研究结果对后续目标检测方法的提出具有很大的帮助作用。 相似文献
4.
1