基于B-CNN模型的异构网络大数据知识扩充算法研究

在B-CNN模型各个特征通道内引进比例因子,结合正则化激活方式构建稀疏层,完成特征通道筛选,利用改进B-CNN构建异构网络大数据知识表示模型,通过维度变换方式增加卷积滑动窗口的滑动步数,提高数据内实体与关系的信息共享作用,利用可变粒度策略分割有效数据知识三元组的细粒度数据,实现异构网络大数据知识扩充。实验证明:该算法在表示数据知识时三元组预测准确比例较高,归一化互信息与调整兰德指数均较高,收敛速度较快,数据知识表示效果和扩充效果较好。