来源：期刊VIP网 时间：
作者：于德新;彭万里;吴新程;陈云结;刘晓佳;
单位：集美大学航海学院;
摘要：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。
关键词：安全工程;交通安全;道路交通事故;知识图谱;表示学习;数据挖掘与知识发现
基金资助：国家社会科学基金重大项目(23&ZD138)
