TransE和TransH模型空间地址表示学习中的对比研究 ——以广州市天河区为例

• 作者: 李卫红 王昕 童昊昕
• 来源期刊: 华南师范大学学报（自然科学版）
• 学科: 地球科学
• 关键词: 地理知识图谱 空间地址数据 知识表示学习 TransE TransH
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 地理科学与技术
• 页码范围: 86-94
• 页数: 9页
• 分类号: TP182|P28
• 字数: 5961字
• 语种: 中文
• DOI: 10.6054/j.jscnun.2020065

摘要

将地理知识融入空间地址,研究空间信息与语义信息融合的知识表示学习方法;将空间地址数据集在TransE模型和TransH模型上进行训练,通过元组分类和向量间距离评估的方法进行对比研究.研究结果表明:(1)在地址实体的表示学习任务中,TransH模型在对复杂关系的建模任务上明显优于TransE模型;(2)在语义知识基础上融入空间关系,能够有效地解决地址实体语义相似而空间距离不相近和空间距离相近而语义不相似的两大问题.语义关系与空间关系的融合,将能够挖掘更多有价值的信息,有利于进一步开展地理知识图谱的补全工作,可为地理知识图谱表示学习提供方法借鉴.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李卫红	华南师范大学地理科学学院	21	129	6.0	11.0
2	王昕	华南师范大学地理科学学院	2	0	0.0	0.0