检索结果-内蒙古大学图书馆

软件学报 2024年第4期35卷 1601-1617页

作者：杨宏宇马建辉侯旻沈双宏陈恩红大数据分析与应用安徽省重点实验室(中国科学技术大学) 安徽合肥230027 中国科学技术大学计算机科学与技术学院安徽合肥230027 中国科学技术大学大数据学院安徽合肥230027 认知智能全国重点实验室安徽合肥230088

代码表征旨在融合源代码的特征,以获取其语义向量,在基于深度学习的代码智能中扮演着重要角色.传统基于手工的代码表征依赖领域专家的标注,繁重耗时,且无法灵活地复用于特定下游任务,这与绿色低碳的发展理念极不相符.因此,近年来,许多... 详细信息

代码表征旨在融合源代码的特征,以获取其语义向量,在基于深度学习的代码智能中扮演着重要角色.传统基于手工的代码表征依赖领域专家的标注,繁重耗时,且无法灵活地复用于特定下游任务,这与绿色低碳的发展理念极不相符.因此,近年来,许多自监督学习的编程语言大规模预训练模型(如CodeBERT)应运而生,为获取通用代码表征提供了有效途径.这些模型通过预训练获得通用的代码表征,然后在具体任务上进行微调,取得了显著成果.但是,要准确表示代码的语义信息,需要融合所有抽象层次的特征(文本级、语义级、功能级和结构级).然而,现有模型将编程语言仅视为类似于自然语言的普通文本序列,忽略了它的功能级和结构级特征.因此,旨在进一步提高代码表征的准确性,提出了基于多模态对比学习的代码表征增强的预训练模型(representation enhanced contrastive multimodal pretraining,REcomp).REcomp设计了新的语义级-结构级特征融合算法,将它用于序列化抽象语法树,并通过多模态对比学习的方法将该复合特征与编程语言的文本级和功能级特征相融合,以实现更精准的语义建模.最后,在3个真实的公开数据集上进行了实验,验证了REcomp在提高代码表征准确性方面的有效性.

关键词：代码表征预训练模型多模态对比学习

来源：评论

学校读者我要写书评

暂无评论

多任务学习在分子性质预测中的对比研究

引用

Chinese Journal of Chemical Physics 2023年第4期36卷 443-452,I0035页

作者：韩超王皓朱健保刘淇朱文光中国科学技术大学物理学院合肥230026 中国科学技术大学计算机科学与技术学院大数据分析与应用安徽省重点实验室合肥230026

随着深度学习的快速发展,相关算法被广泛应用于量子化学计算领域以实现高效的分子设计及性质研究,其中,多任务学习方法通过挖掘分子性质之间的关系可以同时预测多个分子属性,然而此类研究目前较为有限.本文采用硬参数共享结构与损失函... 详细信息

随着深度学习的快速发展,相关算法被广泛应用于量子化学计算领域以实现高效的分子设计及性质研究,其中,多任务学习方法通过挖掘分子性质之间的关系可以同时预测多个分子属性,然而此类研究目前较为有限.本文采用硬参数共享结构与损失函数加权方法来实现多任务分子性质预测.通过对比单任务基准与各类多任务模型在不同分子属性集上的性能,展示了多属性预测精度强烈依赖于属性间的关系,当关联变复杂时,硬参数共享可以提高预测精度,此外,恰当的损失函数加权方法有利于实现更均衡的多目标优化,使预测更准确.进一步的实验展示了多任务学习模型的计算效率优势及其在训练数据量受限时的预测性能优势.

关键词：深度学习多任务学习分子属性预测损失函数加权方法

来源：评论

学校读者我要写书评

暂无评论

基于图核同构网络的图分类方法

引用

计算机研究与发展 2024年第4期61卷 903-915页

作者：徐立祥葛伟陈恩红罗斌合肥学院人工智能与大数据学院合肥230601 大数据分析与应用安徽省重点实验室(中国科学技术大学计算机科学与技术学院) 合肥230027 安徽大学计算机科学与技术学院合肥230601

图表示学习已成为图深度学习领域的一个研究热点.大多数图神经网络存在过平滑现象,这类方法重点关注图节点特征,对图的结构特征关注度不高.为了提升对图结构特征的表征能力,提出了一种基于图核同构网络的图分类方法,即KerGIN.该方法首... 详细信息

图表示学习已成为图深度学习领域的一个研究热点.大多数图神经网络存在过平滑现象,这类方法重点关注图节点特征,对图的结构特征关注度不高.为了提升对图结构特征的表征能力,提出了一种基于图核同构网络的图分类方法,即KerGIN.该方法首先通过图同构网络(graph isomorphism network,GIN)对图进行节点特征编码,并使用图核方法对图进行结构编码,进一步利用Nystrom方法降低图核矩阵的维度.其次借助MLP将图核矩阵与图特征矩阵对齐,通过注意力机制将图的特征编码和结构编码进行自适应加权融合,进而得到图的最终特征表示,提升了图结构特征信息的表达能力.最后在7个公开的图分类数据集上对模型进行了实验评估:与现有图表示模型相比,KerGIN模型能够在图分类准确度上有较大幅度提升,它可以增强GIN对图结构特征信息的表达能力.

关键词：图分类图神经网络图核 Nystrom方法图注意力机制

来源：评论

学校读者我要写书评

暂无评论

可信的端到端深度学生知识画像建模方法

引用

计算机研究与发展 2023年第8期60卷 1822-1833页

作者：王士进吴金泽张浩天沙晶黄振亚刘淇认知智能全国重点实验室(科大讯飞股份有限公司) 合肥230088 科大讯飞股份有限公司合肥230088 大数据分析与应用安徽省重点实验室(中国科学技术大学) 合肥230027

学生知识画像是对学生在不同知识概念掌握程度的全面精准的表示.通常,智能教育系统中使用知识追踪方法,基于显式的学生交互数据,对学生在某些知识概念的隐式掌握程度进行建模.然而知识追踪方法的预测结果与学生知识画像存在着时序、预... 详细信息

学生知识画像是对学生在不同知识概念掌握程度的全面精准的表示.通常,智能教育系统中使用知识追踪方法,基于显式的学生交互数据,对学生在某些知识概念的隐式掌握程度进行建模.然而知识追踪方法的预测结果与学生知识画像存在着时序、预测粒度不一致的情况,导致其产生的学生知识画像不可信.对此,首先基于端到端的学生知识掌握度预测目标定义并形式化学生知识画像预测任务,然后提出了一种深度知识画像(deep knowledge portrait, DKP)模型.该方法首先在知识粒度上学习交互表征,引入了知识难度、知识概念等特征在知识粒度上区分交互;然后,采用双向长短时记忆网络基于学生历史交互序列,建模学生知识状态变化.最后针对待预测知识概念,使用了多头注意力池化层强化历史序列中的相关交互以进行该概念下的学生掌握度预测.在3个真实的数据集上的实验结果表明,所提出的方法更适合学生知识画像预测任务从而获得更可信的学生知识画像,并在各项性能上超过了现有的方法.

关键词：学生知识画像知识追踪智能教育数据挖掘深度学习

来源：评论

学校读者我要写书评

暂无评论

融合知识交互关系的认知诊断深度模型

引用

模式识别与人工智能 2023年第1期36卷 22-33页

作者：张所娟余晓晗陈恩红沈双宏郑雨黄松中国人民解放军陆军工程大学指挥控制工程学院南京210007 中国科学技术大学计算机科学与技术学院大数据分析与应用安徽省重点实验室合肥230027

认知诊断是基于学习数据挖掘学习者潜在认知状态的一种智能评测技术.当前大多数认知诊断模型将学习任务中的知识视为同等重要,未考虑知识间的交互关系,从而影响诊断的准确性,同时也缺乏可解释性.针对上述问题,文中提出融合知识交互关系... 详细信息

认知诊断是基于学习数据挖掘学习者潜在认知状态的一种智能评测技术.当前大多数认知诊断模型将学习任务中的知识视为同等重要,未考虑知识间的交互关系,从而影响诊断的准确性,同时也缺乏可解释性.针对上述问题,文中提出融合知识交互关系的认知诊断深度模型,实现学习者认知状态与知识权重的统一表达.同时,实现基于Choquet积分的理想作答反应计算算法.最后提出模糊测度的深度神经网络,预测学习者的作答表现.大量实验表明,文中模型不仅取得较好的预测结果,还能为预测结果提供知识交互层面的解释,具有一定的优越性.

关键词：认知诊断知识交互模糊积分知识权重

来源：评论

学校读者我要写书评

暂无评论

融合通用题目表征学习的神经知识追踪方法研究

引用

中文信息学报 2022年第4期36卷 146-155页

作者：魏思沈双宏黄振亚刘淇陈恩红苏喻王士进认知智能国家重点实验室(科大讯飞) 安徽合肥230088 中国科学技术大学计算机科学与技术学院大数据分析与应用安徽省重点实验室安徽合肥230027 中国科学技术大学大数据学院安徽合肥230027

知识追踪是一项评估学生学习过程中知识状态演变情况的任务。现有大多数方法都致力于探索不同的知识状态评估方法。然而,答题过程中更为基础的题目表征受到的关注相对较少。因此,该文提出了一种融合通用题目表征学习的神经知识追踪框架... 详细信息

知识追踪是一项评估学生学习过程中知识状态演变情况的任务。现有大多数方法都致力于探索不同的知识状态评估方法。然而,答题过程中更为基础的题目表征受到的关注相对较少。因此,该文提出了一种融合通用题目表征学习的神经知识追踪框架。具体地,该文首先设计了一种通用的题目表征方法,通过知识点、难度和题目独有特征来区分题目。然后,采用现有知识追踪方法同时捕捉知识状态演变并学习题目表征。最后,利用知识状态和待回答题目表征的内积来模拟回答过程。在三个真实数据集上的实验结果表明,该文方法可以在知识追踪过程中学习精确有效的题目表征,并且显著提升了基线知识追踪方法的性能,使其能够超过现有最优方法。

关键词：题目表征知识追踪深度学习数据挖掘

来源：评论

学校读者我要写书评

暂无评论

MSML-BERT模型的层级多标签文本分类方法研究

引用

计算机工程与应用 2022年第15期58卷 191-201页

作者：黄伟刘贵全中国科学技术大学大数据学院合肥230027 中国科学技术大学计算机科学与技术学院合肥230027 中国科学技术大学大数据分析与应用安徽省重点实验室合肥230027

层级多标签文本分类相比普通的多标签文本分类更具有挑战性,因为文本的多个标签组织成树状的层次结构。当前方法使用相同的模型结构来预测不同层级的标签,忽略了它们之间的差异性和多样性。并且没有充分地建模层级依赖关系,造成各层级... 详细信息

层级多标签文本分类相比普通的多标签文本分类更具有挑战性,因为文本的多个标签组织成树状的层次结构。当前方法使用相同的模型结构来预测不同层级的标签,忽略了它们之间的差异性和多样性。并且没有充分地建模层级依赖关系,造成各层级标签尤其是下层长尾标签的预测性能差,且会导致标签不一致性问题。为了解决以上问题,将多任务学习架构引入,提出了MSML-BERT模型。该模型将标签结构中每一层的标签分类网络视为一个学习任务,通过任务间知识的共享和传递,提高各层级任务的性能。基于此,设计了多尺度特征抽取模块,用于捕捉不同尺度和粒度的特征以形成不同层级需要的各种知识。进一步,设计了多层级信息传播模块,用于充分建模层级依赖,在不同层级之间传递知识,以帮助下层任务。在该模块中,设计了层次化门控机制,为了过滤不同层级任务之间的知识流动。在RCV1-V2、NYT和WOS数据集上进行了充分的实验,结果显示该模型的总体表现尤其是在下层长尾标签上的表现超过了其他主流模型,并且能维持较低的标签不一致比率。

关键词：层级多标签文本分类多任务学习架构 BERT 多尺度特征抽取模块多层级信息传播模块

来源：评论

学校读者我要写书评

暂无评论

基于模糊测度的知识关联性建模方法

引用

模式识别与人工智能 2022年第2期35卷 95-105页

作者：张所娟黄松余晓晗陈恩红中国人民解放军陆军工程大学指挥控制工程学院南京210007 中国科学技术大学计算机科学与技术学院大数据分析与应用安徽省重点实验室合肥230027

在教学应用场景中,知识之间的关联性广受关注,但现有研究通常偏重两两知识点之间关系的建模,忽视知识集合中复杂的关联关系,导致研究结果出现偏差.因此,文中引入模糊测度对知识集合进行量化度量,并在此基础上提出基于模糊测度的知识关... 详细信息

在教学应用场景中,知识之间的关联性广受关注,但现有研究通常偏重两两知识点之间关系的建模,忽视知识集合中复杂的关联关系,导致研究结果出现偏差.因此,文中引入模糊测度对知识集合进行量化度量,并在此基础上提出基于模糊测度的知识关联性建模方法.首先,基于认知心理学理论,分析知识间存在的三种不同关系,并利用模糊测度建模知识间的关联性,通过实际教学场景论证方法的实用性.然后,在模糊测度建模的基础上,从知识关联性的视角讨论知识的重要度和交互指标.最后,研究知识关联性在认知诊断中的应用.真实数据集上的实验证实知识关联性对认知诊断的影响,不仅有效提升预测精度,也提供更好的可解释性.

关键词：知识关联性模糊测度认知诊断知识集合知识交互

来源：评论

学校读者我要写书评

暂无评论

面向学科题目的文本分析方法与应用研究综述

引用

中文信息学报 2022年第10期36卷 1-16页

作者：黄振亚刘淇陈恩红林鑫何理扬刘嘉聿王士进中国科学技术大学大数据分析与应用安徽省重点实验室安徽合肥230027 认知智能全国重点实验室安徽合肥230088 讯飞华中人工智能研究院湖北武汉430058

分析学科题目含义、模拟人类解决问题,是当前“人工智能+教育”融合研究的重要方向之一。近年来,智能教育系统的快速发展积累了大量学科题目资源,为相关研究提供了数据支撑。为此,利用大数据分析与自然语言处理相关的技术,研究者提出了... 详细信息

分析学科题目含义、模拟人类解决问题,是当前“人工智能+教育”融合研究的重要方向之一。近年来,智能教育系统的快速发展积累了大量学科题目资源,为相关研究提供了数据支撑。为此,利用大数据分析与自然语言处理相关的技术,研究者提出了大量面向学科题目的文本分析方法,开展了许多重要的智能应用任务,对探索人类知识学习等认知能力具有重要意义。该文围绕智能教育与自然语言处理交叉领域,介绍了若干代表性研究任务,包括题目质量分析、机器阅读理解、数学题问答、文章自主评分等,并对相应研究进展进行阐述和总结;此外,对相关数据集和开源工具包进行了总结和介绍;最后,展望了多个未来研究方向。

关键词：学科题目题目质量分析机器阅读理解数学题问答文章自主评分

来源：评论

学校读者我要写书评

暂无评论

基于视觉–文本关系对齐的跨模态视频片段检索

引用

中国科学：信息科学 2020年第6期50卷 862-876页

作者：陈卓杜昊吴雨菲徐童陈恩红中国科学技术大学大数据分析与应用安徽省重点实验室合肥230027

近年来,视频数据资源的日益丰富催生了一系列对于视频片段精细检索的需求.在这样的背景下,对于跨模态视频片段检索的研究逐渐兴起,其旨在根据输入的查询文本,输出一段视频中符合文本描述的片段.现有的研究工作主要关注于查询文本与视频... 详细信息

近年来,视频数据资源的日益丰富催生了一系列对于视频片段精细检索的需求.在这样的背景下,对于跨模态视频片段检索的研究逐渐兴起,其旨在根据输入的查询文本,输出一段视频中符合文本描述的片段.现有的研究工作主要关注于查询文本与视频片段的全局或局部的特征表达,而忽略了查询文本与视频片段中所蕴含的语义关系在跨模态检索中的匹配.例如,给定查询文本"一个人在打篮球"时,现有检索系统将根据整个查询文本和的视频的特征,或者关注于文本与视频中所表现的实体(如"人","篮球")来计算合适的视频片段,而缺乏对于"人打篮球"这类语义关系的考虑.因此,它们将难以辨别语义关系上的不同,从而限制了检索质量的提升.为了解决这个问题,本文提出跨模态关系对齐的图卷积框架CrossGraphAlign,通过分别构建文本关系图(textural relationship graph)与视觉关系图(visual relationship graph)来建模查询文本与视频片段中的语义关系,再通过跨模态对齐的图卷积网络来评估文本关系与视觉关系的相似度,从而帮助构建更加精准的视频片段检索系统.在公开的跨模态视频片段检索数据集TACoS和ActivityNet Captions上的实验结果表明,本文提出的方法可以有效地利用语义关系来提升跨模态视频片段检索的召回率.

关键词：关系对齐语言关系视觉关系图卷积网络跨模态视频片段检索

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：