蚁群BP神经网络实体解析匹配研究

• 作者: 刘叶 刘英莉 吴兴蛟 吴晟 周海河 李英娜
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 数据仓库 数据质量 实体解析 BP神经网络 蚁群算法
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 人工智能
• 页码范围: 37-40
• 页数: 4页
• 分类号: TP301
• 字数: 3533字
• 语种: 中文
• DOI: 10.11907/rjdk.172415

摘要

为了改进BP神经网络收敛速度慢、不能得到全局最优解的缺点,选择具有全局优化、支持并行且具有自适应特性的蚁群算法,优化神经网络初始权重和阈值.将算法运用于实体解析元组对的匹配加以验证,结果表明:在相同最大迭代次数下,BP神经网络迭代490次可寻找到最优解,其均方误差为0.078,ACO-BP神经网络同样迭代487次可寻找到最优解,均方误差为0.013,相对来说均方误差更小,训练效果更接近于目标值,表明蚁群优化的神经网络算法可以改善传统BP神经网络收敛速度慢、学习效率低和易陷入局部最优等缺点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴晟	昆明理工大学信息工程与自动化学院	87	334	10.0	15.0
2	周海河	昆明理工大学信息工程与自动化学院	18	63	5.0	7.0
3	吴兴蛟	昆明理工大学信息工程与自动化学院	18	49	3.0	6.0
4	李英娜	昆明理工大学信息工程与自动化学院	148	412	10.0	12.0
5	刘英莉	昆明理工大学信息工程与自动化学院	13	40	4.0	5.0
6	刘叶	昆明理工大学信息工程与自动化学院	3	25	3.0	3.0