知识图谱和表示学习在道路交通事故数据挖掘中的应用

交通安全领域数据量庞大且蕴含丰富的语义信息,从海量道路交通事故数据中挖掘潜在的价值信息可为交通事故预防和智能研判提供支撑。然而,传统的事故分析方法在处理复杂且多语义交叉的事故数据时,存在一定的局限性。研究提出了一种基于知识图谱和知识表示学习的事故数据挖掘方法。通过翻译距离嵌入(Translating Embedding,TransE)模型对道路交通事故知识图谱进行表示学习,将事故实体和致因关系映射到向量空间,并在向量匹配运算中捕捉向量之间的语义信息,进而挖掘潜在的交通事故信息。研究采用真实的事故数据进行试验验证,结果表明所提方法具有较高的准确率和较强的语义解析性能,可为道路交通事故碎片化信息的最大化利用提供新的方法和思路。