人工智能相關(guān)文章

面向多源异构数据的知识图谱可视化融合方法

为解决数据冗余冲突与关联缺失问题，研究面向多源异构数据的知识图谱可视化融合方法，提升数据融合的可靠性。利用网络本体语言为多源异构数据建立对应的领域本体库与全局本体库，使得知识实体抽取和知识融合在同一框架下进行；通过长短期记忆网络-条件随机场模型，在本体库约束下，从多源异构数据中抽取符合领域定义的知识实体；利用基于层次过滤思想的知识融合模型，可视化融合抽取的知识实体，解决多源异构数据中冗余信息和不一致性问题，形成准确、完整、可靠的多源异构数据可视化融合知识图谱，有助于发现潜在的数据关联，补全数据关联缺失。实验结果表明：随着数据缺失比例的提升，尺度系数与属性覆盖度均开始下降，最低尺度系数与属性覆盖度是0.86与0.87，均显著高于对应的阈值；所提方法在处理四个数据源时，视觉清晰度达93%~97%，信息融合度达92%~96%，均优于对比方法。说明该方法可有效抽取多源异构数据知识实体，建立知识图谱，实现多源异构数据可视化融合；在不同数据缺失比例下，该方法多源异构数据可视化融合的尺度系数与属性覆盖度均较大，即数据可视化融合效果较优；同时有效提升了数据可视化效果和信息整合程度。

發(fā)表于：2025/6/18