排序方式： 共有2条查询结果，搜索用时 250 毫秒
1
1.
文本是战场信息的重要数据模态,从中挖掘地理环境时空语义信息是机器理解战场环境的重要方法,有助于扩展战场环境的空间认知与理解.本文设计一种基于主题模型,反映地理时空因素与事件主题之间语义关系的计算方法,通过信息抽取,挖掘主题要素相关信息,形成不同主题分类及其对应的特征词汇分布;将事件主题与地理时空语义特征建立联合分布模型,自动发现时间、空间与事件主题之间的相关性,从而生成地理时空隐含的语义主题.通过试验验证并结合应用实践,得到如下结论:利用事件主题与位置信息的关联,并应用空间分析方法探寻不同主题的时空分布规律,可为新事件的位置预测及趋利避害对策制定提供基础,从而拓展传统的地理事件主题分析. 相似文献
2.
对战场文本数据的深入挖掘,可以高质量和高效率地发现时空主题结构,从而有效揭示战场事件发展的时空规律。针对现有的主题发现方法无法有效适用于具有多维异构关系的时空主题发现,提出了一种融合多维关系联合聚类的时空主题发现方法,首先构建以地理环境实体、地理位置与事件主题为节点的主题关系网络;然后以张量模型的Tucker分解建立主题关系的完全表达式作为主题分类的目标函数;最后运用块值矩阵分解方法进行联合聚类计算,获取主题分类结果和内聚结构。实验结果表明,该方法能够有效发现具有时空语义关系特征的主题结构,较好地体现出地理环境要素与时空主题之间的关联性,以及时空主题在地理位置与事件主题标签上的内聚性,反映出主题的演化过程。 相似文献
1