摘要
本发明提供一种基于时序知识图谱的目标行动预测方法,包括:获取多源数据,多源数据包括多个实体;基于关系分类模型,得到实体之间的关联关系,并完成对关联关系的冗余性检查与对齐去重,其中关系分类模型为分类学习得到;在依据实体的位置和特征信息确定多个实体中的目标实体后,动态构建目标实体之间关联关系的关联树,以完成时序知识图谱的构建;基于时序知识图谱,通过使用深度神经网络对目标实体之间的时序非线性关联关系建模分类,生成目标空间演化模型;基于目标空间演化模型,预测目标实体的行为模式和运动轨迹。
技术关键词
实体
时序
图谱
深度神经网络
关系建模
非线性
历史轨迹数据
构造决策树
递归神经网络
消歧方法
DTW算法
半监督学习
冗余
决策树模型
模式
运动
实时信息