检索结果-内蒙古大学图书馆

计算机工程与应用 2025年第9期61卷 186-193页

作者：颜政锦叶正葛君中南民族大学计算机科学学院&信息物理融合智能计算国家民委重点实验室武汉430074 武汉纺织大学外经贸学院武汉437100

金融领域的票据信息抽取是一项复杂且具有挑战的任务,其目标是从金融文档中准确抽取票据所包含的关键信息。金融票据作为商业活动中重要的信息载体,其准确提取对于商业决策和财务分析具有重要意义。然而,由于票据格式的不规范性,在实际... 详细信息

金融领域的票据信息抽取是一项复杂且具有挑战的任务,其目标是从金融文档中准确抽取票据所包含的关键信息。金融票据作为商业活动中重要的信息载体,其准确提取对于商业决策和财务分析具有重要意义。然而,由于票据格式的不规范性,在实际应用中可能导致关键信息的丢失,如数据中键值对不完整或缺失等问题,给金融票据信息抽取任务带来了挑战。当前,LayoutLMV3模型是主流的信息抽取的方法之一,它结合了自然语言处理和多模态技术,能够在大规模金融文档中进行信息抽取。但它在处理复杂布局的文档时准确性会下降,处理长文本时因包含大量的字符可能难以捕捉其中重要的信息。为了解决上述挑战和问题,以LayoutLMV3为基线模型,引入了P-Tuning V1技术,不仅能够解决特定问题(如金融票据中的键值关系),还具备适应不同情境和任务的能力,而且可以利用多模态的文本、图像和布局信息来更全面地理解票据内容。P-Tuning V1通过引入可训练的连续提示嵌入,即“prompt”,作为模型输入的一部分,用以表示文本数据中的“键”信息。同时,采用离散提示作为“值”的一部分,两者相结合构成完整的键值对。实验结果表明,相较于基于LayoutLMV3的方法,结合的新方法在Finance-Receipts数据集上取得了显著的提升,在F1得分上从95.95%提高到96.69%。

关键词：信息抽取多模态预训练 LayoutLMv3 P-Tuning V1

来源：评论

学校读者我要写书评

暂无评论

多模态预训练模型在金融票据信息抽取中的应用

引用

计算机工程与应用 2024年

作者：颜政锦叶正葛君中南民族大学计算机科学学院&信息物理融合智能计算国家民委重点实验室武汉纺织大学外经贸学院

金融领域的票据信息抽取是一项复杂且具有挑战的任务，其目标是从金融文档中准确抽取票据所包含的关键信息。金融票据作为商业活动中重要的信息载体，其准确提取对于商业决策和财务分析具有重要意义。然而，由于票据格式的不规范性，在... 详细信息

金融领域的票据信息抽取是一项复杂且具有挑战的任务，其目标是从金融文档中准确抽取票据所包含的关键信息。金融票据作为商业活动中重要的信息载体，其准确提取对于商业决策和财务分析具有重要意义。然而，由于票据格式的不规范性，在实际应用中可能导致关键信息的丢失，如数据中键值对不完整或缺失等问题，给金融票据信息抽取任务带来了挑战。当前，LayoutLMV3模型是主流的信息抽取的方法之一，它结合了自然语言处理和多模态技术，能够在大规模金融文档中进行信息抽取。但它在处理复杂布局的文档时准确性会下降，处理长文本时因包含大量的字符可能难以捕捉其中重要的信息。为了解决上述挑战和问题，本文以LayoutLMV3为基线模型，引入了P-Tuning V1技术，不仅能够解决特定问题（如金融票据中的键值关系），还具备适应不同情境和任务的能力，而且可以利用多模态的文本、图像和布局信息来更全面地理解票据内容。P-Tuning V1通过引入可训练的连续提示嵌入，即"prompt"，作为模型输入的一部分，用以表示文本数据中的“键”信息。同时，采用离散提示作为“值”的一部分，两者相结合构成完整的键值对。实验结果表明，相较于基于LayoutLMV3的方法，结合的新方法在Finance-Receipts数据集上取得了显著的提升，在F1得分上从95.95提高到96.69。

关键词：信息抽取多模态预训练 LayoutLMv3 P-Tuning V1

来源：评论

学校读者我要写书评

暂无评论

基于利用BERT不同层信息的微调策略的对话状态追踪

引用

中南民族大学学报（自然科学版） 2023年第3期42卷 327-333页

作者：叶正傅灵覃俊刘晶中南民族大学计算机科学学院&信息物理融合智能计算国家民委重点实验室武汉430074

在对话状态追踪任务中,BERT在训练下游任务时往往会选择模型的最后一层来做分类,尽管这样做的性能也非常出色,但是这种做法往往忽略了BERT的其他层包含的语义信息.在BERT的微调策略方法上,探究了BERT层数选择对任务结果的影响.为了缓解D... 详细信息

在对话状态追踪任务中,BERT在训练下游任务时往往会选择模型的最后一层来做分类,尽管这样做的性能也非常出色,但是这种做法往往忽略了BERT的其他层包含的语义信息.在BERT的微调策略方法上,探究了BERT层数选择对任务结果的影响.为了缓解Dropout在训练和推理过程中产生的不一致性问题,引入了R-Drop正则模块对网络输出预测进行正则约束.实验结果表明:用注意力机制对拼接后的BERT的12层输出进行特征权重的微调,提高了对语义信息的特征表达能力,在数据集上Woz2.0上比只采用最后一层进行句子分类的BERT-Base效果更好.

关键词：对话状态追踪微调策略层数选择

来源：评论

学校读者我要写书评

暂无评论

基于多重注意力机制的高分辨率遥感影像语义分割

引用

中南民族大学学报（自然科学版） 2023年第5期42卷 627-635页

作者：余辉杨波朱剑林陈晓燚中南民族大学计算机科学学院&国家民委信息物理融合智能计算重点实验室武汉430074

针对当前深度神经网络在处理遥感影像语义分割过程中存在的模型庞大、处理耗时长、实时性低、小目标分割准确率不高的问题,提出了一种嵌入多重注意力机制的Multi-AttnDeepLabv3+(Multiple Attentionbased on DeepLabv3+)语义分割模型.... 详细信息

针对当前深度神经网络在处理遥感影像语义分割过程中存在的模型庞大、处理耗时长、实时性低、小目标分割准确率不高的问题,提出了一种嵌入多重注意力机制的Multi-AttnDeepLabv3+(Multiple Attentionbased on DeepLabv3+)语义分割模型.该模型在编码部分使用轻量神经网络作为主干特征提取网络,加入混合注意力机制增强重要特征通道和空间像素的权值比重;在解码部分,在特征融合过程中加入通道压缩激活注意力模块,通过压缩激活操作再次增强重要特征通道的权重,提升模型分割准确率.该模型在多个数据集上取得较好的实验结果.在相同条件下,此模型训练速度较传统网络模型有明显提升.与同类型轻量级语义分割模型相比,该模型在提升分割效果上具备优势.

关键词：遥感影像语义分割多重注意力机制轻量网络

来源：评论

学校读者我要写书评

暂无评论

金融领域事件因果关系发现及事理图谱构建与应用

引用

中文信息学报 2023年第7期37卷 131-142页

作者：杨纪星杨波朱剑林康怡琳中南民族大学计算机科学学院湖北武汉430074 信息物理融合智能计算国家民委重点实验室湖北武汉430074

事理图谱是研究事物动态发展的有效手段。针对金融因果事理图谱构建过程中数据集匮乏及构建方案缺少实践对比的现状,该文面向金融领域中发生频率较高的热点事件,研究构建事理图谱的方法。该文提出了一种新的金融领域事件论元的定义,制... 详细信息

事理图谱是研究事物动态发展的有效手段。针对金融因果事理图谱构建过程中数据集匮乏及构建方案缺少实践对比的现状,该文面向金融领域中发生频率较高的热点事件,研究构建事理图谱的方法。该文提出了一种新的金融领域事件论元的定义,制定了基于ATT+SBV结构的句法分析方案,针对信息抽取任务提出了面向金融因果事件的序列标注定义。该文同时提出了一种基于BERT+Bi-LSTM+CRF模型的信息抽取方案,并与不同神经网络模型进行对比研究。实验结果表明,该模型在信息抽取任务中,F_1值达到95.78%,准确性有较大提升。该文通过Neo4j图数据库存储并构建金融因果事理图谱,以事件关系可视化的方式揭示现实金融事件的演变逻辑规律,分析金融网络的风险传导扩散机制。

关键词：事理图谱事件抽取信息抽取模型

来源：评论

学校读者我要写书评

暂无评论

基于元权重网络的鲁棒性文本匹配方法CovMW-net

引用

计算机应用 2025年

作者：张东伟叶正葛君信息物理融合智能计算国家民委重点实验室(中南民族大学计算机科学学院) 教育部民族语言智能分析与安全治理重点实验室(中央民族大学) 武汉纺织大学外经贸学院

在文本匹配任务中，由于文本数据的复杂性与多样性，训练时常常暴露出鲁棒性欠佳的问题。传统解决文本鲁棒性不足的手段，诸如数据增强、正则化等虽能发挥一定作用，然而这些方法多仅适用于特定类型的噪声或扰动，并且对计算资源的需求... 详细信息

在文本匹配任务中，由于文本数据的复杂性与多样性，训练时常常暴露出鲁棒性欠佳的问题。传统解决文本鲁棒性不足的手段，诸如数据增强、正则化等虽能发挥一定作用，然而这些方法多仅适用于特定类型的噪声或扰动，并且对计算资源的需求较高。有鉴于此，本文提出一种基于元权重网络的新方法——CovMW-net(Meta-Weight Network improved by the covariance matrix，协方差矩阵改进的元权重网络)。该方法能够通过自适应学习来调整权重参数与损失函数，从而迅速实现较为合理的权重分配。借助对样本权重的调控，可放大或缩小样本在训练过程中对训练效果的影响，最终实现提升训练鲁棒性的目的。CovMW-net继承了元权重网络的元学习框架，实现了计算资源的节约。同时，它融合了协方差矩阵，针对每个类别样本开展深度特征提取，并计算这些特征的协方差矩阵，以此对少数类数据进行度量，进而削减元权重网络因为元数据集随机取样而产生长尾分布所造成的负面影响。在Clothing1M实验中，通过对比实验发现CovMW-net在实际表现中超过原始方法 0.86%，并在一众方案中表现最佳。此外，在LCQMC (Large-scale Chinese Question Matching Corpus，大规模中文问题匹配语料库)和BQ(Baidu Question-Answer Matching Dataset百度问答匹配数据集，)数据集上的各个实验组上准确率提升大多在4-6个百分点。总体结果表明，CovMW-net在处理元数据集存在偏差时具备有效性，应用于文本匹配鲁棒性研究具有可行性。

关键词：文本匹配鲁棒性元权重协方差矩阵样本重加权

来源：评论

学校读者我要写书评

暂无评论

基于动态规划的视频自动裁剪

引用

中南民族大学学报（自然科学版） 2023年第2期42卷 238-244页

作者：龙思敏周斌胡波中南民族大学计算机科学学院&国家民委信息物理融合智能计算重点实验室武汉430074 武汉市东信同邦信息技术有限公司武汉430074

传统视频裁剪方法大多只考虑内容保持,而忽略了由裁剪窗口频繁移动造成的时间不连续问题.为此,提出了一种基于动态规划的视频自动裁剪算法,并通过平滑因子和面积约束将视差控制在舒适区间.算法主要分为目标检测、轨迹定义、轨迹找寻三... 详细信息

传统视频裁剪方法大多只考虑内容保持,而忽略了由裁剪窗口频繁移动造成的时间不连续问题.为此,提出了一种基于动态规划的视频自动裁剪算法,并通过平滑因子和面积约束将视差控制在舒适区间.算法主要分为目标检测、轨迹定义、轨迹找寻三个阶段.首先将输入的视频序列进行语义处理并输出,运用YOLOX模型检测输出视频中的重要内容;然后定义一个对数线性模型融合每帧图像的特征、颜色直方图和灰度图,以得到一组帧系数,并对裁剪窗口进行面积和距离上的约束;最后运用动态规划中最短关键路径方法为视频帧找到一系列裁剪窗口,在相邻帧之间设置过渡因子来保证裁剪轨迹的平滑,同时定义了一个视觉惩罚函数平衡内容丢失与裁剪窗口偏移的问题.实验结果表明:所提出的算法在裁剪率、扭曲度和稳定性方面都优于以往的方法.

关键词：自动裁剪动态规划最短关键路径 YOLOX检测

来源：评论

学校读者我要写书评

暂无评论

基于重叠视域的跨相机多目标跟踪

引用

中南民族大学学报（自然科学版） 2023年第5期42卷 702-711页

作者：王子依周斌胡波中南民族大学计算机科学学院&国家民委信息物理融合智能计算重点实验室武汉430074 武汉市东信同邦信息技术有限公司武汉430074

针对短道速滑运动员检测难度大,难以准确进行跨相机目标交接等问题,提出了基于重叠视域的跨相机多目标跟踪算法.通过使用Global context network(GCnet)注意力模块、Funnel ReLU(FReLU)激活函数和Distance-IoU非极大值抑制(DIoU-NMS)改... 详细信息

针对短道速滑运动员检测难度大,难以准确进行跨相机目标交接等问题,提出了基于重叠视域的跨相机多目标跟踪算法.通过使用Global context network(GCnet)注意力模块、Funnel ReLU(FReLU)激活函数和Distance-IoU非极大值抑制(DIoU-NMS)改进YOLOXs算法,提高对粘连目标的检测精度.依据平面单应性原理将相机图像坐标映射至统一世界坐标以关联相邻相机,提出基于目标质心位置相似性与检测框空间相似性关联权重的改进型匈牙利匹配算法,实现跨相机目标一致性判定.实验结果表明:YOLOXs-GFD算法的平均准确率在Skater数据集和INRIA数据集上分别提升2%、1.1%.MOT-skater数据集上,跨相机多目标跟踪指标MCTA和IDF1分别为80.6%、83.7%.所提出的算法对短道速滑运动员的跨相机跟踪具有更优的准确性与鲁棒性.

关键词：重叠视域多目标跟踪 YOLOXs改进目标交接匈牙利算法短道速滑

来源：评论

学校读者我要写书评

暂无评论

基于DeformMobileViT的城市地下管道异常样本判别

引用

数字技术与应用 2023年第11期41卷 9-11页

作者：吴培德李波姚为李鑫程立中南民族大学计算机科学学院国家民委信息物理融合智能计算重点实验室

城市地下管道是城市的重要基础设施,对地下管道的定期检测是一项重要工作,关系到城市的正常运行。文章针对目前地下管道缺陷检测中的问题,提出了一种DeformMobileViT分类模型,将可变形卷积网络与MobileViT结合,并基于迁移学习训练建模,... 详细信息

城市地下管道是城市的重要基础设施,对地下管道的定期检测是一项重要工作,关系到城市的正常运行。文章针对目前地下管道缺陷检测中的问题,提出了一种DeformMobileViT分类模型,将可变形卷积网络与MobileViT结合,并基于迁移学习训练建模,从管道设备获取的地下管道图像样本中,判别出可能存在各类缺陷的样本。实验结果表明,本文提出的模型F1normal分数达到94.15%。本文工作可以有效降低人工检测的工作量,并提高检测精度,具有良好的应用价值。

关键词：迁移学习地下管道 Deform 管道设备人工检测类模型定期检测异常样本

来源：评论

学校读者我要写书评

暂无评论

基于BERT的多特征融合中文命名实体识别

引用

中南民族大学学报（自然科学版） 2025年第1期44卷 68-74页

作者：孙璐冰康怡琳王俊朱容波中南民族大学计算机科学学院武汉430074 中南民族大学国家民委信息物理融合智能计算重点实验室武汉430074 华中农业大学信息学院武汉430070

针对中文命名实体识别往往需要引入外部知识获取深层语义信息,以及基于RNN结构的模型对空间特征提取效果不佳等问题,提出了基于BERT的多特征融合中文命名实体识别模型.通过BERT模型获取输入文本序列的深层次语义信息,利用MHSA模块和IDCN... 详细信息

针对中文命名实体识别往往需要引入外部知识获取深层语义信息,以及基于RNN结构的模型对空间特征提取效果不佳等问题,提出了基于BERT的多特征融合中文命名实体识别模型.通过BERT模型获取输入文本序列的深层次语义信息,利用MHSA模块和IDCNN模块增强特征提取能力.前者利用相对位置编码和多头自注意力机制来捕获输入序列的隐藏特征,使模型能够考虑到字符间的距离方向信息;后者则可以对空间特征建模,获得输入序列的全局信息.通过将两个模块的输出特征进行连接,增强模型性能.实验结果表明:模型在MSRA、Resume和Weibo三个公共数据集上的F1值分别达到了95.12%、95.45%和66.14%,优于其它最新模型,验证了模型在中文命名实体识别上的有效性.

关键词：自然语言处理中文命名实体识别 BERT模型迭代膨胀卷积神经网络自注意力

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：