公开(公告)号：CN119443242A

公开(公告)日：2025-02-14

申请号：CN202411569650.8

申请日：2024-11-05

Applicant: 华南农业大学

Inventor： 黄杰 ,  王美华 ,  钟诚华

IPC: G06N5/022 ,  G06N20/00

Abstract: 本发明提供一种基于梯度分解的增长知识图的持续嵌入方法，包括将时序知识图谱按照时间顺序划拆分成一系列的快照子图，构成不断增长的知识图谱；将嵌入模型的整体损失分为现有三元组和增量三元组上的两个不同损失，并将连续嵌入任务转化为约束优化问题；根据约束优化问题，构建适用于嵌入模型的连续嵌入算法；将训练集的每个快照子图依次输入到嵌入模型中采用连续嵌入算法进行增量训练；将测试集输入到训练好的嵌入模型中，获得最终的链路预测的平均准确度。本发明将知识图谱嵌入模型的损失函数转化为约束优化问题，为促进增长知识图谱的增量表示学习提供了新的方法；本发明能够在学习效率和更新有效性之间取得平衡；且具有强大的持续嵌入能力。

公开(公告)号：CN119495188A

公开(公告)日：2025-02-21

申请号：CN202411569651.2

申请日：2024-11-05

Applicant: 华南农业大学

Inventor： 林新龙 ,  王美华 ,  钟诚华

IPC: G08G1/01 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供一种基于神经网络的时空ARIMA交通预测方法，包括通过时间感知分解策略将原始交通数据分解成多个子集；将每个子集拆分成周期与时间段数据，组成训练数据集和测试数据集；构建时空ARIMA网络模型；并利用训练数据集训练时空ARIMA网络模型；利用训练好的时空ARIMA网络模型对测试数据集进行预测。本发明结合了时间感知分解策略和时空ARIMA，同时提取了时间与空间的特征信息，并且可以更好的捕捉到不同时间段下的时空依赖信息，从而提升了交通预测的效果；本发明考虑交通数据的时间属性，从而处理时变空间依赖性问题；根据数据的固有分布和过渡周期；与现有交通预测方法相比，本发明能够预测出精确的交通预测结果。