检索结果-内蒙古大学图书馆

计算机工程与应用 2023年第3期59卷 253-263页

作者：张晗郑伟昊窦志成文继荣中国人民大学信息学院北京100872 大数据管理与分析方法研究北京市重点实验室北京100872 中国人民大学高瓴人工智能学院北京100872 数据工程与知识工程教育部重点实验室北京100872

近年来,法律领域的智能化引起了学界的广泛关注。选取法律领域中十分重要的法律判决预测任务作为研究重点,法律判决预测包含推荐相关法条、定罪和刑期预测等三个子任务。随着深度学习在各个领域的广泛应用,一些研究者将深度学习方法引... 详细信息

近年来,法律领域的智能化引起了学界的广泛关注。选取法律领域中十分重要的法律判决预测任务作为研究重点,法律判决预测包含推荐相关法条、定罪和刑期预测等三个子任务。随着深度学习在各个领域的广泛应用,一些研究者将深度学习方法引入法律判决预测任务并取得了较好的效果。现有基于深度学习的法律判决预测方法通常是通过构建案情描述和法条之间的注意力来提升模型预测能力,或者利用三个法律判决预测子任务间的关系来提升整体的性能。但是这些工作未考虑法律文本中的多层层次化信息,如刑法第三百九十七条包含职务侵占罪和玩忽职守罪,其法条大类是渎职罪,并且每个罪行有不同的刑期。针对该问题,考虑引入法律文本的多层层次化信息用于法律判决预测任务。具体来说,对法律文本的多层结构信息进行预处理,并利用协同注意力机制将法条的多层信息融入到案情描述中,得到每个子任务的融合不同层次的法律信息的案情描述表示,从而提升司法判决预测任务的性能。在真实的法律判决预测任务公开的数据集上进行了实验,结果显示提出的融合法律文本多层结构信息的模型在法律判决预测任务上优于当前最好的模型。对法律智能化的未来和发展进行了展望。

关键词：法律判决预测法律多层结构信息深度学习

来源：评论

学校读者我要写书评

暂无评论

数据科学进展:核心理论与典型实践

引用

中国图书馆学报 2022年第1期48卷 77-93页

作者：朝乐门张晨孙智中数据工程与知识工程教育部重点实验室(中国人民大学) 数据工程与知识工程教育部重点实验室、中国人民大学信息资源管理学院中国人民大学信息资源管理学院

数据科学经历了近50年的发展与变革,对知识创新和社会进步产生了深远的影响。现阶段对数据科学的研究,除应探讨数据科学的内涵和外延之外,还需要回答一系列深层次的问题:数据科学的核心理论和代表性实践是什么,它们是如何演化而来的,仍... 详细信息

数据科学经历了近50年的发展与变革,对知识创新和社会进步产生了深远的影响。现阶段对数据科学的研究,除应探讨数据科学的内涵和外延之外,还需要回答一系列深层次的问题:数据科学的核心理论和代表性实践是什么,它们是如何演化而来的,仍存在的问题和挑战是什么,未来的发展趋势是什么。为此,本文从核心理论和典型实践两个维度,将数据科学的发展历程划分为萌芽期、快速发展期和逐步成熟期三个阶段并进行总结分析。现阶段数据科学的理论研究和实践应用主要存在四类问题:一是对数据科学本身的系统研究不足;二是对数据科学领域的新问题聚焦不够;三是对数据科学领域的核心问题研究不足;四是在数据科学理论的直接指导下完成的实践应用不多。对此,提出了五点对策建议:聚焦数据科学特有的新问题和主要矛盾,健全数据科学理论研究的体系,加快数据科学实践应用的产业化,推进研究方法论的突破性创新,拓展数据科学的基础理论。图1。参考文献66。

关键词：数据科学核心理论典型实践研究现状

来源：评论

学校读者我要写书评

暂无评论

人工智能训练数据真实性：概念体系构建及合规要求分析

引用

情报理论与实践 2025年

作者：邝苗苗安小米雷鸣王嘉豪中国人民大学信息资源管理学院数据工程与知识工程教育部重点实验室中国人民大学智慧城市研究中心华为技术有限公司

[目的/意义]AI训练数据真实性是当前国内外法规政策和标准中的关注焦点，研究其概念体系和合规要求有助于提升AI技术的质量、合法性、透明度和社会接受度等。[方法/过程]使用内容分析法对目标文献中的AI训练数据真实性相关内容进行分析... 详细信息

[目的/意义]AI训练数据真实性是当前国内外法规政策和标准中的关注焦点，研究其概念体系和合规要求有助于提升AI技术的质量、合法性、透明度和社会接受度等。[方法/过程]使用内容分析法对目标文献中的AI训练数据真实性相关内容进行分析和抽取，使用ISO 704：2022概念分析方法从抽取的条目中识别AI训练数据真实性相关概念关系和特征，以构建AI训练数据真实性概念体系，基于概念体系构建分析框架，进一步识别对应的合规要求。[结果/结论]与AI训练数据真实性相关的概念有AI训练数据客观性、AI训练数据可靠性、AI训练数据确实性、AI训练数据完整性。AI训练数据真实性合规要求包括具有合法来源、与基本事实相符、数据准确、没有受到不当操作和能反映人工智能系统的背景或预期用途5类。

关键词：训练数据数据真实性概念体系合规要求

来源：评论

学校读者我要写书评

暂无评论

融合动态传播和神经霍克斯过程的网络谣言检测模型

引用

数据分析与知识发现 2024年

作者：彭竞杰夏天顾益军张岚泽中国人民公安大学信息网络安全学院中国人民大学数据工程与知识工程教育部重点实验室中国人民大学信息资源管理学院

[目的]提高社交媒体网络谣言检测准确率，减少网络谣言对于社会稳定的潜在威胁。[方法]提出一种融合动态传播和神经霍克斯过程的谣言检测模型。按照推文传播时间线划分传播子图并构建子图嵌入，将嵌入序列输入全局动态演化编码模块，叠... 详细信息

[目的]提高社交媒体网络谣言检测准确率，减少网络谣言对于社会稳定的潜在威胁。[方法]提出一种融合动态传播和神经霍克斯过程的谣言检测模型。按照推文传播时间线划分传播子图并构建子图嵌入，将嵌入序列输入全局动态演化编码模块，叠加时间编码后形成加权序列，进而输入神经霍克斯过程模块计算连续条件强度函数，以描述传播自激励现象，同时经平均池化后输入前馈神经网络进行谣言检测。此外，采用多任务学习模块计算两类输出的整体损失，指导模型训练。[结果]模型在公开数据集Twitter15和Twitter16上的准确率分别达到了85.6%和86.6%，优于其他主流基线模型，并具有较好的谣言早期检测性能。[局限]仅使用文本数据和时间属性信息，后续可加入推文图片、用户属性等特征，进一步提升模型的准确率。[结论]编码推文传播的动态性信息和自激励现象有利于提升谣言检测效果。

关键词：谣言检测动态图神经网络传播自激励现象神经霍克斯过程

来源：评论

学校读者我要写书评

暂无评论

数据故事中的人物类型及自动生成方法研究

引用

图书情报工作 2023年第24期67卷 99-110页

作者：朝乐门刘慧张天怡李泽仑数据工程与知识工程教育部重点实验室(中国人民大学) 北京100872 中国人民大学信息资源管理学院北京100872

[目的/意义]人物和情节是数据故事的两大支柱。数据故事的情节通过人物特征、行为、所期待目标、所面对现实和所认为偏见来展开,实现数据故事人物的自动化生成是数据故事化领域科学研究的核心主题之一,对于数据故事的理论研究、自动生... 详细信息

[目的/意义]人物和情节是数据故事的两大支柱。数据故事的情节通过人物特征、行为、所期待目标、所面对现实和所认为偏见来展开,实现数据故事人物的自动化生成是数据故事化领域科学研究的核心主题之一,对于数据故事的理论研究、自动生成和工程化研发具有重要意义。[方法/过程]首先,探讨数据故事人物的类型、特征及操作。其次,提出基于反事实解释的人物生成方法,分别对数据故事中的主人公、同类人物、异类人物、正面人物和反面人物给出自动生成方法。接着,分析其技术实现,探讨实验设计、数据来源、方法选择及结果讨论。最后,总结论文的主要研究发现,并对未来研究提出建议。[结果/结论 ]在数据故事化领域首次较为系统研究数据故事人物的组成要素、基本类型、主要特征及核心操作,并提出基于反事实的数据故事人物自动生成方法。

关键词：数据故事数据故事化故事人物人物

来源：评论

学校读者我要写书评

暂无评论

机器可理解的数据故事语义描述及推理方法研究

引用

图书情报工作 2023年第20期67卷 142-150页

作者：张晨朝乐门靳庆文中国人民大学数据工程与知识工程教育部重点实验室北京100872 中国人民大学信息资源管理学院北京100872

[目的/意义]基于数据故事本体模型提出一种语义描述及推理方法,旨在生成机器可理解的数据故事语义脚本,完整的数据故事产品能够利用此脚本生成。[方法/过程]首先,基于OWL本体的建模和知识表示方法设计数据故事的XML格式和RDF(S)格式的... 详细信息

[目的/意义]基于数据故事本体模型提出一种语义描述及推理方法,旨在生成机器可理解的数据故事语义脚本,完整的数据故事产品能够利用此脚本生成。[方法/过程]首先,基于OWL本体的建模和知识表示方法设计数据故事的XML格式和RDF(S)格式的描述脚本。然后,基于SWRL定义数据故事的语义描述规则,论述数据故事化的语义描述及推理流程与关键任务。最后,以UCI breast-cancer数据集为数据来源,将存储在MySQL数据库中的数据故事内容转换为XML数据故事描述脚本和RDF(S)数据故事语义描述脚本,并使用推理方法标记数据故事的要素及关系。[结果/结论]定义包含故事要素、故事要素关联以及故事实例的数据故事脚本,划分出数据故事语义描述与推理的流程以及形式化表示活动中的关键任务,并提出可操作的面向数据故事化的语义描述和推理方法。

关键词：数据故事化本体语义描述语义推理故事脚本

来源：评论

学校读者我要写书评

暂无评论

数据库管理系统中数据异常体系化定义与分类

引用

软件学报 2022年第3期33卷 909-930页

作者：李海翔李晓燕刘畅杜小勇卢卫潘安群腾讯科技(北京)有限公司北京大学数学科学学院信息与计算科学系数据工程与知识工程教育部重点实验室(中国人民大学) 中国人民大学信息学院

数据异常尚没有统一的定义,其含义是指可能破坏数据库一致性状态的特定数据操作模式.已知的数据异常有脏写、脏读、不可重复读、幻读、丢失更新、读偏序和写偏序等.为了提高并发控制算法的效率,数据异常也被用于定义隔离级别,采用较弱... 详细信息

数据异常尚没有统一的定义,其含义是指可能破坏数据库一致性状态的特定数据操作模式.已知的数据异常有脏写、脏读、不可重复读、幻读、丢失更新、读偏序和写偏序等.为了提高并发控制算法的效率,数据异常也被用于定义隔离级别,采用较弱的隔离级别以提高事务处理系统的效率.体系化地研究了数据异常以及对应的隔离级别,发现了22种未被其他文献报告过的新的数据异常,并对全部数据异常进行分类.基于数据异常的分类,提出了新的且不同粒度的隔离级别体系,揭示基于数据异常定义隔离级别的规律,使得对于数据异常和隔离级别等相关概念的认知可以更加简明.

关键词：事务处理数据异常隔离级别并发访问控制算法数据库

来源：评论

学校读者我要写书评

暂无评论

标准化视角下大模型数据治理的理论框架及其构成要素研究

引用

情报资料工作 2024年第6期45卷 75-83页

作者：安小米龙志奇邝苗苗中国人民大学信息资源管理学院北京100872 中国人民大学智慧城市研究中心北京100872 数据工程与知识工程教育部重点实验室北京100872

[目的/意义]文章旨在构建一个标准化视角下覆盖多维度和多方面要素的大模型数据治理的理论框架,以填补当前大模型数据治理专门性研究和标准化研究的空白,丰富大模型数据治理的理论研究内容,并为实际应用提供参考。[方法/过程]综合采用... 详细信息

[目的/意义]文章旨在构建一个标准化视角下覆盖多维度和多方面要素的大模型数据治理的理论框架,以填补当前大模型数据治理专门性研究和标准化研究的空白,丰富大模型数据治理的理论研究内容,并为实际应用提供参考。[方法/过程]综合采用内容分析法和专家咨询法,对国内外相关标准、中英文代表性期刊文献进行系统梳理和分析,迭代优化并构建大模型数据治理的理论框架。[结果/结论]大模型数据治理的理论框架涵盖多个维度,包括大模型数据质量管理、大模型数据管理、大模型数据资源管理、大模型数据资产管理、大模型数据风险管理。五个维度沿着“基础前提-执行方式-实施路径-核心目标-内在保障”的逻辑构成理论框架。

关键词：大模型数据治理理论框架构成要素标准化视角内容分析

来源：评论

学校读者我要写书评

暂无评论

云数据库资源与参数协同调优方法研究

引用

计算机科学 2024年第6期51卷 104-110页

作者：李雨航谭睿雄柴云鹏数据工程与知识工程教育部重点实验室北京100872 数据库与商务智能教育部工程研究中心北京100872 中国人民大学信息学院北京100872

云数据库中存在许多配置项,包括数据库内部的配置参数以及部署环境的虚拟机资源配置,这些配置项共同决定了数据库的读写性能和资源消耗。在资源弹性伸缩的云环境下,用户关注数据库的服务性能和资源消耗成本。然而,由于配置项众多且负载... 详细信息

云数据库中存在许多配置项,包括数据库内部的配置参数以及部署环境的虚拟机资源配置,这些配置项共同决定了数据库的读写性能和资源消耗。在资源弹性伸缩的云环境下,用户关注数据库的服务性能和资源消耗成本。然而,由于配置项众多且负载变化快速,寻找最优的配置项组合变得困难。文中针对负载动态变化的在线调优场景提出了CoTune,一种协同调节云数据库资源与参数的快速调优方法。该方法针对OLTP型动态负载,通过迭代调节云虚拟机资源配置和数据库参数配置,在保障服务质量的前提下降低资源消耗。该方法的创新点如下:首先,在每个调优周期内,采用三阶段方案对资源配额和数据库参数进行调节,优先保障服务质量;其次,根据数据库参数对不同资源的影响进行分类,减小搜索空间,快速调节参数;最后,在数据库参数调节的强化学习模型中,设计特定的奖励函数,快速获取奖励值,加快调节频率。实验结果表明,该方法相比同时调节资源和参数、单独调节资源等方法,能够在保障服务质量的前提下降低资源消耗。通过快速迭代调优,能够应对负载变化的挑战,并在动态负载环境中实现更高效的资源利用。

关键词：云数据库参数调优服务质量资源消耗

来源：评论

学校读者我要写书评

暂无评论

支撑机器学习的数据管理技术综述

引用

软件学报 2021年第3期32卷 604-621页

作者：崔建伟赵哲杜小勇数据工程与知识工程教育部重点实验室(中国人民大学) 北京100872 中国人民大学信息学院北京100872

应用驱动创新,数据库技术就是在支持主流应用的提质降本增效中发展起来的.从OLTP、OLAP到今天的在线机器学习建模无不如此.机器学习是当前人工智能技术落地的主要途径,通过对数据进行建模而提取知识、实现预测分析.从数据管理的视角对... 详细信息

应用驱动创新,数据库技术就是在支持主流应用的提质降本增效中发展起来的.从OLTP、OLAP到今天的在线机器学习建模无不如此.机器学习是当前人工智能技术落地的主要途径,通过对数据进行建模而提取知识、实现预测分析.从数据管理的视角对机器学习训练过程进行解构和建模,从数据选择、数据存储、数据存取、自动优化和系统实现等方面,综述了数据管理技术的应用及优缺点,在此基础上,提出支持在线机器学习的数据管理技术的若干关键技术挑战.

关键词：人工智能机器学习数据管理

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：