基于注意力模型的多模態特征融合雷達知識推薦

李穩安，陳柳柳，陳 實

(1.南京電子技術研究所，南京 210039；2.恩波利亞州立大學商學院，堪薩斯 美國)

隨著科研工作的不斷深入以及信息技術的高速發展，越來越多的科研相關知識成果被研究者發布在網絡上，以便查閱。科研人員經常需要查找感興趣的技術資料，如何迅速地從廣袤浩如煙海的數據中獲取需要的條目，是迫切需要解決的問題。知識推薦算法可以對傳統的搜索引擎加以優化，近年來活躍在諸多領域中。然而，現有的知識推薦方法仍存在一些不足，其中最主要的問題是：現有方法大多僅考慮知識的單一模態特征，忽視了不同模態特征之間的互補性優勢；同時，為所有的數據賦予相同的權重，其中弱相關性的信息影響了提取特征的質量，導致最終的推薦效果不理想。

雷達(radar)是運用無線電定位方法進行探測識別，測定目標坐標或其他情報的裝置。在現代軍事和生產中，其重要性與日俱增，雷達相關研究產生的知識成果也受到了相關學者的廣泛關注。但是，由于雷達知識的數量越來越多，且不同領域的雷達知識專業性較強，科研人員很難快速準確地查找到自己感興趣的雷達技術資料。因此，通過應用并改進知識推薦算法，從海量的雷達知識中挖掘重要信息，協助檢索已有的雷達知識成果，可以有效提高科研人員的學習和工作效率，幫助科研人員快速準確地查找到自己感興趣的雷達知識，協助科研人員進行雷達相關的研究和技術產品設計。……