检索结果-内蒙古大学图书馆

数据分析与知识发现 2022年第12期6卷 80-89页

作者：王烨桐江涛西北民族大学中国民族语言文字信息技术教育部重点实验室兰州730030

【目的】为快速找出网络中最具影响力的节点,提出使用重叠社区的影响力最大化方法 IMtoc。【方法】将整个社交网络分割为几个重叠社区,综合特征向量中心性最大的节点和重叠节点,选出候选种子集,然后通过贪心算法在候选集中找到最优的种... 详细信息

【目的】为快速找出网络中最具影响力的节点,提出使用重叠社区的影响力最大化方法 IMtoc。【方法】将整个社交网络分割为几个重叠社区,综合特征向量中心性最大的节点和重叠节点,选出候选种子集,然后通过贪心算法在候选集中找到最优的种子节点。【结果】对于大型社交网络Git_web_ml数据集,IMtoc算法的运行时间比CELF和IMRank算法快约91%和65%。【局限】影响力节点与重叠节点存在重合,造成部分节点代表性不足。【结论】IMtoc算法与现有方法相比存在一定优势,可以在影响范围和运行时间之间取得平衡。

关键词：社交网络重叠社区影响力最大化信息传播

来源：评论

学校读者我要写书评

暂无评论

AI 绘画研究综述

引用

计算机科学与探索 2024年第6期18卷 1404-1420页

作者：张泽宇王铁君郭晓然龙智磊徐魁西北民族大学中国民族语言文字信息技术教育部重点实验室兰州730030 西北民族大学数学与计算机科学学院兰州730030

AI绘画,作为计算机视觉领域的热门研究方向,正通过自然语言处理技术、图文预训练大模型,以及新兴的扩散模型,不断拓展其在艺术创作、影视媒体、工业设计、艺术教育等领域的应用边界。将以图生图和以文生图两类AI绘画任务作为主线,深入... 详细信息

AI绘画,作为计算机视觉领域的热门研究方向,正通过自然语言处理技术、图文预训练大模型,以及新兴的扩散模型,不断拓展其在艺术创作、影视媒体、工业设计、艺术教育等领域的应用边界。将以图生图和以文生图两类AI绘画任务作为主线,深入分析了代表性模型及其关键技术和方法。对于以图生图方式,从基于自编码器和基于生成式对抗网络两类模型分别探讨了各自的发展脉络、生成原理以及优缺点,并总结了它们在公共数据集上的效果;对于以文生图方式,归纳了基于扩散模型等三类模型的结构区别,以及在三个数据集上各类模型的生成效果,同时指出利用扩散模型的以文生图方式已成为当下的热点,并预示着未来图像生成方式的多样化发展。对目前主流的AI绘画平台从使用方式、生成速度等角度进行了对比总结。最后在总结AI绘画在技术层面和社会层面所面临的问题与争议的基础上,展望了AI绘画与人类艺术家的互补发展、绘画过程互动性增强以及新职业和产业的出现等未来趋势。

关键词： AI绘画以图生图以文生图图像生成人工智能生成内容(AIGC)

来源：评论

学校读者我要写书评

暂无评论

面向机器阅读理解的医学域数据集MedicalQA

引用

中国科学数据（中英文网络版） 2024年第1期9卷 356-365页

作者：马宁吕文蓉郭泽晨西北民族大学中国民族语言文字信息技术重点实验室兰州730030 西北民族大学甘肃省民族语言智能处理重点实验室兰州730030

机器阅读理解旨在利用算法让计算机理解段落语义并回答用户提出的问题,该任务所用数据集的质量可直接影响模型的实验结果。为丰富机器阅读理解的医学领域数据集,本文以爬虫和人工标注的方式构建了面向机器阅读理解的医学域数据集Medica... 详细信息

机器阅读理解旨在利用算法让计算机理解段落语义并回答用户提出的问题,该任务所用数据集的质量可直接影响模型的实验结果。为丰富机器阅读理解的医学领域数据集,本文以爬虫和人工标注的方式构建了面向机器阅读理解的医学域数据集MedicalQA。本数据集以寻医问药网和39健康网两大医疗平台为主要数据来源,包含19502个段落、问题和答案,内容涉及内科、外科、妇产科等9大科室。数据集形式为excel文件,由5列组成,第一列为段落ID,第二列为段落所属科室,第三列为段落内容,第四列为问题,第五列为问题对应答案。本数据集的构建,有利于机器阅读理解模型的鲁棒性研究以及医学问答系统的构建,也能促进机器阅读理解领域的医学数据集共享。

关键词：机器阅读理解医学域数据集

来源：评论

学校读者我要写书评

暂无评论

结合多尺度上下文信息的唐卡小样本目标检测

引用

光学精密工程 2023年第12期31卷 1859-1869页

作者：胡文瑾唐慧媛乐超洋宋华飞西北民族大学中国民族语言文字信息技术教育部重点实验室甘肃兰州730030 西北民族大学数学与计算机科学学院甘肃兰州730030

通过对图像中感兴趣的对象进行分类与定位,能够帮助人们理解唐卡图像丰富的语义信息,促进文化传承。针对唐卡图像样本较少,背景复杂,检测目标存在遮挡,检测精度不高等问题,本文提出了一种结合多尺度上下文信息和双注意力引导的唐卡小样... 详细信息

通过对图像中感兴趣的对象进行分类与定位,能够帮助人们理解唐卡图像丰富的语义信息,促进文化传承。针对唐卡图像样本较少,背景复杂,检测目标存在遮挡,检测精度不高等问题,本文提出了一种结合多尺度上下文信息和双注意力引导的唐卡小样本目标检测算法。首先,构建了一个新的多尺度特征金字塔,学习唐卡图像的多层级特征和上下文信息,提高模型对多尺度目标的判别能力。其次,在特征金字塔末端加入双注意力引导模块,提升模型对关键特征的表征能力,同时降低噪声的影响。最后利用Rank&Sort Loss替换交叉熵分类损失,简化模型训练的复杂度并提升检测精度。实验结果表明,所提出的方法在唐卡数据集和COCO数据集上的10-shot实验中,平均检测精度分别达到了19.7%和11.2%。

关键词：唐卡小样本目标检测上下文信息多尺度特征双注意力机制

来源：评论

学校读者我要写书评

暂无评论

融合音节和词条特征的藏文文本情感分类研究

引用

中文信息学报 2023年第2期37卷 80-86页

作者：孟祥和于洪志西北民族大学、中国民族语言文字信息技术教育部重点实验室甘肃兰州730030

将深度神经网络模型应用于藏文文本情感分类中,虽然取得不错的分类效果,但仍然存在因藏文评论文本长度较短引起的特征稀疏的问题,使得深度学习模型不能够提取到更为全面的藏文文本语义特征。该文提出一种以藏文音节和藏文词条同时作为... 详细信息

将深度神经网络模型应用于藏文文本情感分类中,虽然取得不错的分类效果,但仍然存在因藏文评论文本长度较短引起的特征稀疏的问题,使得深度学习模型不能够提取到更为全面的藏文文本语义特征。该文提出一种以藏文音节和藏文词条同时作为文本基本表示对象,采用CNN、BiLSTM和Multi-Headed Self-Attention机制等深度学习模型完成对藏文评论文本情感分类的研究方法。实验首先对音节和词条进行向量化表示,然后分别采用多核卷积神经网络、BiLSTM和Multi-Headed Self-Attention机制获取藏文文本中多维度的内部特征,最后通过特征拼接,再经激活函数为Softmax的全连接神经网络完成文本情感分类。研究结果表明,在该文的实验测试语料集上,融合音节和词条特征模型的分类准确率要优于基于音节的模型和基于词条的模型。

关键词：藏文文本情感分类藏文音节深度神经网络

来源：评论

学校读者我要写书评

暂无评论

基于噪声检测的多语言知识图谱实体对齐技术研究

引用

云南大学学报（自然科学版） 2023年第1期45卷 67-73页

作者：沙宝程徐涛邓鉴格马坤西北民族大学中国民族语言文字信息技术教育部重点实验室甘肃兰州730030

针对在实体对齐任务中,由于缺少噪音实体对的标记,导致对齐准确率不高的问题,提出采用健壮性实体对齐(Robust Entity Alignment,REA)方法,设计了噪声感知实体对齐模块和噪声检测模块.首先,噪声感知实体对齐模块是基于图卷积神经网络(Gra... 详细信息

针对在实体对齐任务中,由于缺少噪音实体对的标记,导致对齐准确率不高的问题,提出采用健壮性实体对齐(Robust Entity Alignment,REA)方法,设计了噪声感知实体对齐模块和噪声检测模块.首先,噪声感知实体对齐模块是基于图卷积神经网络(Graph Convolutional Networks,GCN)的知识图编码器,将知识图谱中的实体对更新嵌入;然后,基于生成对抗网络(Generative Adversarial Networks,GAN)设计了噪声生成器和噪声鉴别器,从而将实体对中的噪音实体对区分出来;最后,通过一种交互的强化训练策略,迭代使噪声感知和实体对齐相结合.实验结果表明,在DBP15K数据集上测试,新方法能有效提高在涉及噪音情况下的实体对齐精准度,与GCN-Align和IPTransE这些基准嵌入模型相比,Hits@1、Hits@5、MRR3个评价指标上均有较大的提升.

关键词：实体对齐噪声检测图卷积神经网络生成对抗网络交互训练

来源：评论

学校读者我要写书评

暂无评论

基于GAN的中文虚假评论数据集生成方法

引用

云南大学学报（自然科学版） 2023年第5期45卷 1033-1042页

作者：吴正清曹晖西北民族大学中国民族语言文字信息技术教育部重点实验室甘肃兰州730030

针对互联网虚假评论大肆横行,在虚假评论研究领域却没有完全公开的中文数据集可供中文虚假评论检测研究的问题,提出了一种基于生成对抗网络的中文虚假评论数据生成模型.首先,对生成器生成的文字序列通过蒙特卡洛搜索获取一批样本;然后,... 详细信息

针对互联网虚假评论大肆横行,在虚假评论研究领域却没有完全公开的中文数据集可供中文虚假评论检测研究的问题,提出了一种基于生成对抗网络的中文虚假评论数据生成模型.首先,对生成器生成的文字序列通过蒙特卡洛搜索获取一批样本;然后,采用强化学习方法将判别器、分类器和重构器的反馈化为奖励分数;最后,传回生成器,对生成器进行参数优化,以生成贴近真实世界的具有相应类标签属性及特征的虚假评论数据.以BLEU值为评估指标,实验结果表明,所提出的模型在本文数据集上取得了更好的BLEU值,具有较好的生成效果.

关键词：虚假评论生成对抗网络文本生成强化学习

来源：评论

学校读者我要写书评

暂无评论

基于注意力卷积神经网络的中文虚假评论检测

引用

广西师范大学学报（自然科学版） 2023年第5期41卷 26-36页

作者：吴正清曹晖刘宝锴中国民族语言文字信息技术教育部重点实验室(西北民族大学) 甘肃兰州730030

针对现有的虚假评论检测方法未充分利用虚假评论文本特征这一问题,本文提出一种基于多层注意力机制的卷积神经网络模型。首先,使用多种预训练词向量初始化词嵌入层,并进行复值位置编码;然后,将经过多种卷积核卷积得到的多种特征映射依... 详细信息

针对现有的虚假评论检测方法未充分利用虚假评论文本特征这一问题,本文提出一种基于多层注意力机制的卷积神经网络模型。首先,使用多种预训练词向量初始化词嵌入层,并进行复值位置编码;然后,将经过多种卷积核卷积得到的多种特征映射依次通过嵌入用户特征的通道级和卷积核级的注意力层,根据特征重要程度分配不同权重;最后,将拟合的评论文本特征表示进行Softmax分类。实验结果表明,与诸多主流优秀神经网络模型相比,本文模型准确率和F1值分别提高4.74和3.86个百分点。

关键词：虚假评论检测注意力机制卷积神经网络预训练词向量

来源：评论

学校读者我要写书评

暂无评论

藏语拉萨话声调与喉塞韵尾感知研究

引用

民族语文 2023年第4期 101-110页

作者：杨洁李永宏胡阿旭孔江平北京大学语言学实验室/中国语言文学系北京100871 西北民族大学中国民族语言文字信息技术教育部重点实验室兰州730030

藏语拉萨话的声调如何划分一直是学界讨论的热点话题,主要分歧在于T53和T51、T23和T232是否应该合并。本文通过感知实验发现,无论基频如何变化,母语者都无法区分声调对立组内的两个声调。因此,对于有声调和喉塞韵尾两项对立的音节而言,... 详细信息

藏语拉萨话的声调如何划分一直是学界讨论的热点话题,主要分歧在于T53和T51、T23和T232是否应该合并。本文通过感知实验发现,无论基频如何变化,母语者都无法区分声调对立组内的两个声调。因此,对于有声调和喉塞韵尾两项对立的音节而言,声调是羡余性特征,喉塞韵尾是区别性特征。本文认为可以将T51和T53归为一个调位,将T23和T232归为一个调位,藏语拉萨话的声调应该划分为四个调类。通过对藏语拉萨话声调的感知研究可以看出,现代语音学和认知音位学的研究方法不仅可以解决传统结构主义音位学无法确定音位的问题,也可以解决不同调查者调查同一语言时可能出现音位系统差异的问题。

关键词：藏语拉萨话声调感知喉塞韵尾调类划分

来源：评论

学校读者我要写书评

暂无评论

融合多尺度CNN与双向LSTM的唐卡问句分类模型

引用

科学技术与工程 2024年第22期24卷 9490-9497页

作者：王铁君闫悦郭晓然王铠杰饶强西北民族大学数学与计算机科学学院兰州730000 西北民族大学中国民族语言文字信息技术教育部重点实验室兰州730000

当前大语言模型的兴起为自然语言处理、搜索引擎、生命科学研究等领域的研究者提供了新思路,但大语言模型存在资源消耗高、推理速度慢,难以在工业场景尤其是垂直领域应用等方面的缺点。针对这一问题,提出了一种多尺度卷积神经网络(convo... 详细信息

当前大语言模型的兴起为自然语言处理、搜索引擎、生命科学研究等领域的研究者提供了新思路,但大语言模型存在资源消耗高、推理速度慢,难以在工业场景尤其是垂直领域应用等方面的缺点。针对这一问题,提出了一种多尺度卷积神经网络(convolutional neural network,CNN)与双向长短期记忆神经网络(long short term memory,LSTM)融合的唐卡问句分类模型,本文模型将数据的全局特征与局部特征进行融合实现唐卡问句分类任务,全局特征反映数据的本质特点,局部特征关注数据中易被忽视的部分,将二者以拼接的方式融合以丰富句子的特征表示。通过在Thangka数据集与THUCNews数据集上进行实验,结果表明,本文模型相较于Bert模型在精确度上略优,在训练时间上缩短了1/20,运算推理时间缩短了1/3。在公开数据集上的实验表明,本文模型在文本分类任务上也表现出了较好的适用性和有效性。

关键词：文本分类长短期记忆多尺度卷积神经网络唐卡

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：