典型文献
异构大数据环境中高效率知识融合方法的研究
文献摘要：
知识融合是知识图谱技术的关键环节,而传统机器学习算法较难满足异构大数据环境中知识融合的准确性及实时性需求.提出一种结合概念漂移检测算法与无监督反向验证算法的高可靠、低复杂度知识融合方法.该方法利用贝叶斯估计进行实体对齐与属性融合的同时,周期性进行基于孤立深林算法的概念漂移检测与基于自组织映射网络的反向实体消歧,以此有效互补监督学习的样本依赖性及无监督学习的高复杂度特性,从而提高知识融合的可靠性与实时性.提出算法在公开数据集与国网安徽省电力公司知识图谱数据库中分别进行了数据实验,通过对数据模型可靠性、实体对齐能力、F1分数和运行时间的比较,分析了提出算法在多维、异构大数据环境的应用可行性.
文献关键词：
知识融合;机器学习;概念漂移;反向验证;大数据
中图分类号：
作者姓名：
汪玉;王鑫;张淑娟;郑国强;赵龙;郑高峰
作者机构：
国网安徽省电力有限公司 电力科学研究院,合肥 230601;国网安徽省电力有限公司,合肥 230022
文献出处：
引用格式：
[1]汪玉;王鑫;张淑娟;郑国强;赵龙;郑高峰-.异构大数据环境中高效率知识融合方法的研究)[J].计算机工程与应用,2022(06):142-148
A类：
B类：
异构大数据,大数据环境,知识融合,融合方法,机器学习算法,性需求,概念漂移检测,检测算法,反向验证,高可靠,低复杂度,法利,贝叶斯估计,实体对齐,属性融合,自组织映射网络,实体消歧,无监督学习,高知,公开数据集,省电,电力公司,谱数据,数据模型,运行时间,应用可行性
AB值：
0.287467
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
