申请/专利权人：西南交通大学

申请日：2021-11-09

公开（公告）日：2023-05-26

公开（公告）号：CN114117064B

主分类号：G06F16/36

分类号：G06F16/36;G06N3/0464

优先权：

专利状态码：有效-授权

法律状态：2023.05.26#授权;2022.03.18#实质审查的生效;2022.03.01#公开

摘要：本发明公开了一种基于多时间粒度的知识动态演化方法及应用。知识动态演化方法，首先将构建知识库中的知识四元组，然后将每个知识四元组向量化并拆分为三元组对应向量和时间向量，接着利用卷积网络对三元组对应向量进行初始化表征，并对时间向量进行粒度统一；然后将粒度统一的时间向量嵌入到三元组对应的表征向量中，并将其输入到三元组表征方法中进行表征；最后进行知识四元组挖掘，结合所有实体表征信息和周期性的历史实体表征信息来构建回归模型，预测未来多个时间步的实体，实现知识四元组的动态演化。基于多时间粒度的知识动态演化方法，融合多个时间粒度的知识进行表征，可以提高模型的表征能力，更好地预测未来时刻的实体。

主权项：1.一种基于多时间粒度的知识动态演化的城市地铁流量预测方法，其特征在于，包括：步骤1、将知识四元组向量化，并拆分为三元组向量和时间向量；1.1将Pq＝hs,r,te,τ向量化为其中，Pq＝hs,r,te,τ为知识库PAll中第q个知识四元组，q∈{1,2,…,n}，n为PAll中知识四元组的总数；hs为头实体，te为尾实体，r为hs和te间的关系，τ为hs与te产生r的时间；τ为多种时间粒度的任意一种；所述多种时间粒度，包括y-m-d、y-m-d-h、y-m-d-h1-h2、y-m-d-h-min和y-m-d-h-min1-min2；其中，y、m、d、h和min分别表示年、月、日、小时和分钟，h1、h2分别表示小时1、小时2，min1、min2分别表示分钟1、分钟2；hs∈E，te∈E，E表示PAll中所有实体的集合；r∈R，R表示PAll中所有实体关系的集合；τ∈Γ，Γ表示PAll中所有时间的集合；v表示向量的长度，分别对应Pq中的hs、r、te、τ；1.2将拆分为三元组向量和时间向量其中，步骤2、对三元组向量进行初始化表征，对时间向量进行约束后融合；2.1将输入卷积神经网络，获得三元组向量的初始化表征向量其中，2.2将的每一个分量进行表征：其中，vy、vm、vd、vh和vmin分别为的年、月、日、时和分钟分量，vh1和vh2分别为小时1和小时2分量，vmin1和vmin2分别为分钟1和分钟2分量；2.3分别通过余弦函数cos·对表征后的年、月、日、时、分钟、小时1、小时2、分钟1和分钟2分量进行约束；2.4融合约束后的分量，得到时间表征向量步骤3、对时间表征向量进行时间粒度统一，得到统一后的时间表征向量其中，当的时间粒度为y-m-d时，将其转化为y-m-d-h1-h2，h1＝0，h2＝24；当的时间粒度为y-m-d-h时，将其转化为y-m-d-h1-h2，h1＝h2＝h；当的时间粒度为y-m-d-h-min时，将其转化为y-m-d-h1-h2，h1＝h2＝h+min60；当的时间粒度为y-m-d-h-min1-min2时，将其转化为y-m-d-h1-h2，h1＝h+min160,h2＝h+min260；步骤4、将统一后的时间表征向量嵌入到三元组向量的初始化表征向量，得到带有时间信息的知识三元组向量其中，表示向量的拼接； 步骤5、将知识库PAll中每个知识四元组经步骤1-4处理，得到带有时间信息知识三元组向量集{L1,L2,…Ln}，再通过知识三元组表征方法进行表征；步骤6、将实体表征信息和周期性的历史实体表征信息输入回归模型，预测得到未来时间步的实体，即演化后的知识四元组；所述知识库PAll为城市地铁流量数据的知识四元组Pstation＝hs,r,te,τ，头实体hs为地铁站点，尾实体te为站点流量；r为站点和流量的关系，包括出站或者入站；τ为对应的时间。

全文数据：

权利要求：

百度查询： 西南交通大学 一种基于多时间粒度的知识动态演化的城市地铁流量预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD