隨著語義網(wǎng)的不斷發(fā)展,早期只是簡單連接的數(shù)據(jù),逐步形成了一個帶有多維權重的海量關聯(lián)數(shù)據(jù)網(wǎng)絡。因此,如何對這些數(shù)據(jù)進行有效的處理與整合成為了目前語義網(wǎng)研究的重點。針對當前大量的關聯(lián)數(shù)據(jù)及其間復雜的屬性關系,本文提出了多維賦權圖的概念,即將RDF三元組SPO數(shù)據(jù)轉(zhuǎn)換成自定義圖模型V（點）E（線）W（權重）,從而把單一的RDF圖轉(zhuǎn)變?yōu)槎嗑S賦權圖。轉(zhuǎn)換之后,通過基于時間遞歸神經(jīng)網(wǎng)絡的權值預測函數(shù),并結合多維賦權圖中相關聯(lián)的多個變量,對其中的某一變量進行預測。此外,對于真實世界中賦權圖數(shù)據(jù)不完善、權重缺失的情況,本文還提出了基于KNN算法的信息補全方法來完善數(shù)據(jù)。同時本文引入最短路徑并行化的處理,有效提高了數(shù)據(jù)計算能力。最后,在這樣的多維賦權圖模式下,結合大規(guī)模知識加速器平臺,本文進行了相關理論實踐,并得出了相對優(yōu)化的策略。綜上所述,在海量關聯(lián)多維度數(shù)據(jù)的環(huán)境中,本文針對目前語義網(wǎng)推理系統(tǒng)可能遇到的瓶頸問題提出了基于多維賦權圖的數(shù)據(jù)處理模型、基于時間遞歸神經(jīng)網(wǎng)絡的權值預測方式和基于KNN算法的信息補全方法。將上述三點與靈活、開放、可擴展的大規(guī)模知識加速器平臺相結合,必能為未來變化無窮的語義網(wǎng)數(shù)據(jù)... 

【文章來源】：天津大學天津市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：81 頁

【學位級別】：碩士

【部分圖文】：

交通圖模型

圖 5-14 降雪對出租車需求的影響模擬圖中紅色標記的點，就是我們要研究的曼哈頓地區(qū)的天氣情況。其余藍色的點，提供了同一時間不同天氣的情況。我們針對天氣數(shù)據(jù)中，曼哈頓數(shù)據(jù)的缺失、異常等情況，用 KNN 算法來進行處理。對于車輛數(shù)目的預測，本文根據(jù)不同的時間、天氣，來預測未來出租車在區(qū)域內(nèi)出現(xiàn)的數(shù)量。為了探尋根本原因，本文通過單獨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 基于多維賦權圖的車輛需求預測分析5.2.3 多維賦權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)擴展至整個曼哈頓區(qū)域，對出租車的需求量進行分析。我們將數(shù)據(jù)分成早中晚 3 個不同的時間段，對曼哈頓區(qū)域的整體出租車軌跡進行分析，從而推斷出地圖熱點，即需求量最大的區(qū)域。

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



本文編號：3030190