隨著語(yǔ)義網(wǎng)的不斷發(fā)展,早期只是簡(jiǎn)單連接的數(shù)據(jù),逐步形成了一個(gè)帶有多維權(quán)重的海量關(guān)聯(lián)數(shù)據(jù)網(wǎng)絡(luò)。因此,如何對(duì)這些數(shù)據(jù)進(jìn)行有效的處理與整合成為了目前語(yǔ)義網(wǎng)研究的重點(diǎn)。針對(duì)當(dāng)前大量的關(guān)聯(lián)數(shù)據(jù)及其間復(fù)雜的屬性關(guān)系,本文提出了多維賦權(quán)圖的概念,即將RDF三元組SPO數(shù)據(jù)轉(zhuǎn)換成自定義圖模型V（點(diǎn)）E（線）W（權(quán)重）,從而把單一的RDF圖轉(zhuǎn)變?yōu)槎嗑S賦權(quán)圖。轉(zhuǎn)換之后,通過(guò)基于時(shí)間遞歸神經(jīng)網(wǎng)絡(luò)的權(quán)值預(yù)測(cè)函數(shù),并結(jié)合多維賦權(quán)圖中相關(guān)聯(lián)的多個(gè)變量,對(duì)其中的某一變量進(jìn)行預(yù)測(cè)。此外,對(duì)于真實(shí)世界中賦權(quán)圖數(shù)據(jù)不完善、權(quán)重缺失的情況,本文還提出了基于KNN算法的信息補(bǔ)全方法來(lái)完善數(shù)據(jù)。同時(shí)本文引入最短路徑并行化的處理,有效提高了數(shù)據(jù)計(jì)算能力。最后,在這樣的多維賦權(quán)圖模式下,結(jié)合大規(guī)模知識(shí)加速器平臺(tái),本文進(jìn)行了相關(guān)理論實(shí)踐,并得出了相對(duì)優(yōu)化的策略。綜上所述,在海量關(guān)聯(lián)多維度數(shù)據(jù)的環(huán)境中,本文針對(duì)目前語(yǔ)義網(wǎng)推理系統(tǒng)可能遇到的瓶頸問(wèn)題提出了基于多維賦權(quán)圖的數(shù)據(jù)處理模型、基于時(shí)間遞歸神經(jīng)網(wǎng)絡(luò)的權(quán)值預(yù)測(cè)方式和基于KNN算法的信息補(bǔ)全方法。將上述三點(diǎn)與靈活、開放、可擴(kuò)展的大規(guī)模知識(shí)加速器平臺(tái)相結(jié)合,必能為未來(lái)變化無(wú)窮的語(yǔ)義網(wǎng)數(shù)據(jù)... 

【文章來(lái)源】：天津大學(xué)天津市 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：81 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

交通圖模型

圖 5-14 降雪對(duì)出租車需求的影響模擬圖中紅色標(biāo)記的點(diǎn)，就是我們要研究的曼哈頓地區(qū)的天氣情況。其余藍(lán)色的點(diǎn)，提供了同一時(shí)間不同天氣的情況。我們針對(duì)天氣數(shù)據(jù)中，曼哈頓數(shù)據(jù)的缺失、異常等情況，用 KNN 算法來(lái)進(jìn)行處理。對(duì)于車輛數(shù)目的預(yù)測(cè)，本文根據(jù)不同的時(shí)間、天氣，來(lái)預(yù)測(cè)未來(lái)出租車在區(qū)域內(nèi)出現(xiàn)的數(shù)量。為了探尋根本原因，本文通過(guò)單獨(dú)分析該月的天氣情況，得出了如圖 5-15 所示的數(shù)據(jù)分析圖。

第 5 章 基于多維賦權(quán)圖的車輛需求預(yù)測(cè)分析5.2.3 多維賦權(quán)圖的算法并行化考慮完了局部情況，本文將從局部行政區(qū)擴(kuò)展至整個(gè)曼哈頓區(qū)域，對(duì)出租車的需求量進(jìn)行分析。我們將數(shù)據(jù)分成早中晚 3 個(gè)不同的時(shí)間段，對(duì)曼哈頓區(qū)域的整體出租車軌跡進(jìn)行分析，從而推斷出地圖熱點(diǎn)，即需求量最大的區(qū)域。

【參考文獻(xiàn)】：
期刊論文
[1]基于標(biāo)準(zhǔn)歐氏距離的燃油流量缺失數(shù)據(jù)填補(bǔ)算法[J]. 陳靜杰,車潔.  計(jì)算機(jī)科學(xué). 2017(S1)
[2]基于傅里葉變換和kNNI的周期性時(shí)序數(shù)據(jù)缺失值補(bǔ)全算法[J]. 賈梓健,宋騰煒,王建新.  軟件工程. 2017(03)
[3]一種多源異構(gòu)數(shù)據(jù)融合方法及其應(yīng)用研究[J]. 姜建華,洪年松,張廣云.  電子設(shè)計(jì)工程. 2016(12)
[4]基于物聯(lián)網(wǎng)的異構(gòu)數(shù)據(jù)融合算法的研究[J]. 朱敏.  計(jì)算機(jī)光盤軟件與應(yīng)用. 2014(15)
[5]公交出行最優(yōu)路徑搜索的有向賦權(quán)圖模型[J]. 姚春龍,李旭,沈嵐.  計(jì)算機(jī)應(yīng)用研究. 2013(04)
[6]標(biāo)簽傳播算法理論及其應(yīng)用研究綜述[J]. 張俊麗,常艷麗,師文.  計(jì)算機(jī)應(yīng)用研究. 2013(01)
[7]消防救援最短路線模型及其求解策略[J]. 郝然.  中國(guó)科技信息. 2010(19)
[8]一種改進(jìn)的應(yīng)用于噪聲數(shù)據(jù)中的KNN算法[J]. 倪艾玲.  計(jì)算機(jī)與現(xiàn)代化. 2008(07)
[9]一般賦權(quán)圖上的運(yùn)輸問(wèn)題[J]. 馮梅.  數(shù)學(xué)的實(shí)踐與認(rèn)識(shí). 2008(09)



本文編號(hào)：3030190