面向多源異構數據的知識圖譜可視化融合方法[人工智能][其他]

為解決數據冗余沖突與關聯缺失問題，研究面向多源異構數據的知識圖譜可視化融合方法，提升數據融合的可靠性。利用網絡本體語言為多源異構數據建立對應的領域本體庫與全局本體庫，使得知識實體抽取和知識融合在同一框架下進行；通過長短期記憶網絡-條件隨機場模型，在本體庫約束下，從多源異構數據中抽取符合領域定義的知識實體；利用基于層次過濾思想的知識融合模型，可視化融合抽取的知識實體，解決多源異構數據中冗余信息和不一致性問題，形成準確、完整、可靠的多源異構數據可視化融合知識圖譜，有助于發(fā)現潛在的數據關聯，補全數據關聯缺失。實驗結果表明：隨著數據缺失比例的提升，尺度系數與屬性覆蓋度均開始下降，最低尺度系數與屬性覆蓋度是0.86與0.87，均顯著高于對應的閾值；所提方法在處理四個數據源時，視覺清晰度達93%~97%，信息融合度達92%~96%，均優(yōu)于對比方法。說明該方法可有效抽取多源異構數據知識實體，建立知識圖譜，實現多源異構數據可視化融合；在不同數據缺失比例下，該方法多源異構數據可視化融合的尺度系數與屬性覆蓋度均較大，即數據可視化融合效果較優(yōu)；同時有效提升了數據可視化效果和信息整合程度。

發(fā)表于：6/18/2025 4:50:05 PM