检索结果-内蒙古大学图书馆

微电子学与计算机 2017年第10期34卷 86-90,96页

作者：邓玉龙张岩马玉鹏中国科学院新疆理化技术研究所新疆乌鲁木齐830011 新疆民族语音语言信息处理实验室新疆乌鲁木齐830011 中国科学院大学北京100049

针对现阶段小额支付平台终端繁杂异构的问题,提出了一种基于REST架构风格的小额支付系统平台,其将小额支付过程以及相关数据抽象为资源,以HTTP作为通信协议,通过RESTful Web服务方式连接移动客户端与Web服务端.设计了小额支付平台的架构... 详细信息

针对现阶段小额支付平台终端繁杂异构的问题,提出了一种基于REST架构风格的小额支付系统平台,其将小额支付过程以及相关数据抽象为资源,以HTTP作为通信协议,通过RESTful Web服务方式连接移动客户端与Web服务端.设计了小额支付平台的架构,定义了小额支付平台RESTful Web服务的具体方法和规则,并且实现了小额支付原型系统.实验结果表明,相较于传统的基于SOAP协议的大Web服务方式,基于REST架构风格的小额支付平台具有明显的优势.

关键词：小额支付 REST架构 Web服务 SOAP

来源：评论

学校读者我要写书评

暂无评论

融合多种语言学特征的维吾尔语神经网络命名实体识别

引用

计算机应用与软件 2020年第5期37卷 183-188页

作者：董瑞杨雅婷蒋同海中国科学院新疆理化技术研究所新疆乌鲁木齐830011 新疆民族语音语言信息处理实验室新疆乌鲁木齐830011 中国科学院大学北京100049

命名实体识别是自然语言处理中的基础任务,有着非常重要的作用。随着深度学习在自然语言处理中的深入研究,研究者发现使用神经网络进行命名实体识别、自动抽取特征,可以取得很好的识别效果。但是命名实体识别是和语言相关的,维吾尔语的... 详细信息

命名实体识别是自然语言处理中的基础任务,有着非常重要的作用。随着深度学习在自然语言处理中的深入研究,研究者发现使用神经网络进行命名实体识别、自动抽取特征,可以取得很好的识别效果。但是命名实体识别是和语言相关的,维吾尔语的复杂形态特征,导致神经网络不能全面地自动抽取特征。提出一种融合多种语言学特征的Bi-LSTM-CNN-CRF神经网络模型,在维吾尔语命名实体语料库中进行验证,最终F1值提高了3.98%,充分说明对于复杂形态语言,添加语言学特征能够提高命名实体识别精度。

关键词：命名实体识别神经网络维吾尔语语言学特征

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的相似语言短文本的语种识别方法

引用

计算机应用与软件 2020年第2期37卷 124-129,176页

作者：张琳琳杨雅婷陈沾衡潘一荣李毓中国科学院新疆理化技术研究所新疆乌鲁木齐830011 中国科学院大学北京100049 新疆理化技术研究所新疆民族语音语言信息处理实验室新疆乌鲁木齐830011

在语种识别中,传统的N-Gram方法对文本长度依赖度高,因而无法有效地对短文本进行语种识别。现有的基于神经网络的模型无法同时考虑词本身信息和词间组合信息,从而降低了短文本语种识别的质量。针对以上问题,提出一种基于深度学习的字符... 详细信息

在语种识别中,传统的N-Gram方法对文本长度依赖度高,因而无法有效地对短文本进行语种识别。现有的基于神经网络的模型无法同时考虑词本身信息和词间组合信息,从而降低了短文本语种识别的质量。针对以上问题,提出一种基于深度学习的字符级短文本语种识别方法。采用卷积神经网络从字符向量中获取词中字符组合信息;通过长短期记忆网络获取词与词之间的特征信息;使用全连接网络实现相似语言的语种识别。在维吾尔语、哈萨克语以及DSL2017数据集上的实验结果表明,该方法可以有效地提高相似语言短文本的识别精度。

关键词：语种识别相似语言短文本神经网络文本分类

来源：评论

学校读者我要写书评

暂无评论

基于残差注意力的新槽值抽取研究

引用

计算机应用与软件 2024年第6期41卷 208-214页

作者：鄢明辉周喜王轶中国科学院新疆理化技术研究所新疆乌鲁木齐830011 中国科学院大学北京100049 新疆理化技术研究所新疆民族语音语言信息处理实验室新疆乌鲁木齐830011

针对任务型对话中用户输入存在新槽值难以提取的问题,提出一种基于双向长短时记忆神经网络的特征融合模型。通过负样本添加技术缓解新槽值识别问题;引入注意力机制来提取用户输入中词与词之间的权重特征;在多层堆叠长短时记忆神经网络... 详细信息

针对任务型对话中用户输入存在新槽值难以提取的问题,提出一种基于双向长短时记忆神经网络的特征融合模型。通过负样本添加技术缓解新槽值识别问题;引入注意力机制来提取用户输入中词与词之间的权重特征;在多层堆叠长短时记忆神经网络之间用残差连接以缓解特征提取过程中的信息丢失,将得到的融合特征输入到条件随机场筛选出合理的标注序列。在DSTC3数据集上进行相关测试,实验结果表明,该模型在新槽值、已知槽值和总数据集上的识别准确率分别为70.73%、91.56%和87.11%,性能相比baseline方法有显著提高。

关键词：槽值抽取新槽值自然语言处理残差网络注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于LSTM-GAN的加油时序数据异常检测

引用

计算机应用与软件 2022年第7期39卷 13-19页

作者：赵飏李晓马博王保全周喜中国科学院新疆理化技术研究所新疆乌鲁木齐830011 中国科学院大学北京100049 新疆理化技术研究所新疆民族语音语言信息处理实验室新疆乌鲁木齐830011

加油站时序数据中蕴藏着大量信息,但加油数据庞大复杂且各变量间蕴含隐性关系,目前的异常检测方法经常产生“假异常”或遗漏真实异常,无法有效挖掘加油数据中的异常点。针对这种现象,提出一种基于无监督学习的异常检测方法。通过PCA对... 详细信息

加油站时序数据中蕴藏着大量信息,但加油数据庞大复杂且各变量间蕴含隐性关系,目前的异常检测方法经常产生“假异常”或遗漏真实异常,无法有效挖掘加油数据中的异常点。针对这种现象,提出一种基于无监督学习的异常检测方法。通过PCA对数据进行降维,提取有效的特征信息,采用基于LSTM的GAN模型(LSTM-GAN)对加油时序数据进行检测,通过生成器和鉴别器共同得到的异常损失定义异常点。通过在加油数据集和公开数据集上的实验证明了该方法的有效性,并且相较于目前的异常检测方法具有一定提升。

关键词：生成式对抗网络长短期递归神经网络无监督学习时序数据异常检测

来源：评论

学校读者我要写书评

暂无评论

基于双向LSTM的Seq2Seq模型在加油站时序数据异常检测中的应用

引用

计算机应用 2019年第3期39卷 924-929页

作者：陶涛周喜马博赵凡中国科学院新疆理化技术研究所乌鲁木齐830011 中国科学院大学北京100049 新疆理化技术研究所新疆民族语音语言信息处理实验室乌鲁木齐830011

加油时序数据包含加油行为的多维信息,但是指定加油站点数据较为稀疏,现有成熟的数据异常检测算法存在挖掘较多假性异常点以及遗漏较多真实异常点的缺陷,并不适用于挖掘加油站时序数据。提出一种基于深度学习的异常检测方法识别加油异... 详细信息

加油时序数据包含加油行为的多维信息,但是指定加油站点数据较为稀疏,现有成熟的数据异常检测算法存在挖掘较多假性异常点以及遗漏较多真实异常点的缺陷,并不适用于挖掘加油站时序数据。提出一种基于深度学习的异常检测方法识别加油异常车辆,首先通过自动编码器对加油站点采集到的相关数据进行特征提取,然后采用嵌入双向长短期记忆(Bi-LSTM)的Seq2Seq模型对加油行为进行预测,最后通过比较预测值和原始值来定义异常点的阈值。通过在加油数据集以及信用卡欺诈数据集上的实验验证了该方法的有效性,并且相对于现有方法在加油数据集上均方根误差(RMSE)降低了21.1%,在信用卡欺诈数据集上检测异常的准确率提高了1.4%。因此,提出的模型可以有效应用于加油行为异常的车辆检测,从而提高加油站的管理和运营效率。

关键词：加油站时序数据深度学习 Seq2Seq 双向长短期记忆异常检测

来源：评论

学校读者我要写书评

暂无评论

基于真值发现的加油站车辆号牌缺损数据填充方法

引用

计算机应用与软件 2019年第8期36卷 41-46,74页

作者：彭新亮程力王轶马博赵凡周喜中国科学院新疆理化技术研究所新疆乌鲁木齐830011 中国科学院大学北京100049 新疆理化技术研究所新疆民族语音语言信息处理实验室新疆乌鲁木齐830011

由于数据采集设备的不完善以及数据在传输过程中的不可靠性等原因,致使加油站车辆加油数据中经常会产生数据的丢失和错误,降低了车辆加油数据的完整性,严重影响了后续的数据分析工作。目前虽然已有许多算法可以解决连续型数值数据的缺... 详细信息

由于数据采集设备的不完善以及数据在传输过程中的不可靠性等原因,致使加油站车辆加油数据中经常会产生数据的丢失和错误,降低了车辆加油数据的完整性,严重影响了后续的数据分析工作。目前虽然已有许多算法可以解决连续型数值数据的缺损问题,但是它们并不适用于车辆号牌这种离散型分类数据。提出一种基于改进TruthFinder算法的缺损值填充框架。基于真值发现算法,考虑到离散数据相似度的计算方式,改进原算法对数据值支持度的计算模型。通过在真实加油站车辆数据集上的实验,相较于原算法及更加通用的Voting算法,正确率分别提升了7%和23%。该方法能部分解决类似加油站车辆加油数据这种多源离散型数据的缺损值填充问题,大大提高了此数据的可用性。

关键词：数据清洗车辆加油数据缺失数据填充真值发现

来源：评论

学校读者我要写书评

暂无评论

类自动车牌识别轨迹数据的伴随车辆组挖掘

引用

计算机应用 2017年第11期37卷 3064-3068,3094页

作者：王保全蒋同海周喜马博赵凡中国科学院新疆理化技术研究所乌鲁木齐830011 中国科学院大学北京100049 新疆理化技术研究所新疆民族语音语言信息处理实验室乌鲁木齐830011

自动车牌识别(ANPR)数据比私人全球定位系统(GPS)数据更易获得,且包含更有用的信息,但是相对成熟的针对GPS轨迹数据挖掘伴随车辆组方法并不适用于自动车牌识别数据,现有的少量自动车牌识别数据伴随车辆组挖掘算法存在重视轨迹相似而忽... 详细信息

自动车牌识别(ANPR)数据比私人全球定位系统(GPS)数据更易获得,且包含更有用的信息,但是相对成熟的针对GPS轨迹数据挖掘伴随车辆组方法并不适用于自动车牌识别数据,现有的少量自动车牌识别数据伴随车辆组挖掘算法存在重视轨迹相似而忽视时间因素的缺陷,因此提出一种基于轨迹特征的聚类方法挖掘伴随车辆组。针对自动车牌识别数据中采样点固定而采样时间不定的特点,通过轨迹中共现的次数判定两个对象构成伴随模式。该共现定义引入豪斯多夫距离,综合考虑轨迹的地点、方向和时间特征,旨在挖掘数据中采样点不同但采样点距离近且轨迹相似的伴随车辆组,以此提高伴随车辆组挖掘效率。实验结果表明,所提方法较现有方法更能有效挖掘伴随车辆组,识别非伴随模式数据,效率提升了近两倍。

关键词：自动车牌识别轨迹数据伴随车辆组基于密度的空间聚类豪斯多夫距离共现

来源：评论

学校读者我要写书评

暂无评论

基于弱监督模态语义增强的多模态有害信息检测方法

引用

计算机应用 2024年

作者：刘晋文王磊马博董瑞杨雅婷艾合塔木江·艾合麦提王欣乐中国科学院新疆理化技术研究所中国科学院大学中国科学院新疆民族语音语言信息处理实验室河海大学

社交媒体上多模态有害信息的泛滥，不仅侵害公众利益，还严重扰乱社会秩序，亟需有效的检测方法。现有研究依赖预训练模型提取与融合多模态特征，忽视了通用语义在有害信息检测任务中的局限性，且未能充分考虑有害信息复杂多变的组合形... 详细信息

社交媒体上多模态有害信息的泛滥，不仅侵害公众利益，还严重扰乱社会秩序，亟需有效的检测方法。现有研究依赖预训练模型提取与融合多模态特征，忽视了通用语义在有害信息检测任务中的局限性，且未能充分考虑有害信息复杂多变的组合形式。为此，提出一种基于弱监督模态语义增强的多模态有害信息检测方法(weak-S)，所提方法通过引入弱监督模态信息辅助多模态特征的有害语义对齐，并设计一种低秩双线性池化的多模态门控集成机制，以区分不同信息的贡献度。实验结果表明，所提方法在HarmP和MuitiOFF等公开基准数据集上的F1值相较于SOTA(State-Of-The-Art)模型分别提高了2.2和3.2个百分点，验证了弱监督模态语义在多模态有害信息检测中的重要性。此外，所提方法还在多模态夸张检测任务上取得了1个百分点的泛化性能提升。

关键词：单模态弱监督对比学习门控集成多模态有害信息检测

来源：评论

学校读者我要写书评

暂无评论

面向心音分割的个性化高斯混合建模方法

引用

声学学报 2019年第1期44卷 20-27页

作者：侯雷静郭婷婷孙燕齐英杰应冬文唐闽颜永红中国科学院声学研究所语言声学与内容理解重点实验室北京100190 中国科学院大学北京100049 中国医学科学院阜外医院心内科北京100037 青海民族大学计算机学院西宁810016 中国科学院新疆理化技术研究所新疆民族语音语言信息处理实验室乌鲁木齐830011

准确的心音分割是分析和处理心音信号的基本前提。主流的心音分割算法采用监督式预先训练的方法构建统计模型,它不仅依赖于繁琐的手工标注,还存在模型与被分割数据之间的不匹配问题。提出了一种面向心音分割的个性化高斯混合建模方法,... 详细信息

准确的心音分割是分析和处理心音信号的基本前提。主流的心音分割算法采用监督式预先训练的方法构建统计模型,它不仅依赖于繁琐的手工标注,还存在模型与被分割数据之间的不匹配问题。提出了一种面向心音分割的个性化高斯混合建模方法,避免了手工标注和预先训练,而且在线训练获得的个性化模型能够高度匹配被分割的心音数据。由于心音信号的周期在一段短时间内很稳定,因此假设在包含若干心动周期的分析窗内,心音信号具有稳定的周期性,通过主成分分析提取本征心动周期信号,通过无监督学习构建个性化的统计模型,根据模型实现窗内每一心动周期的分割。实验表明,算法的平均分割准确率比主流的LRHSMM算法高3%。

关键词：个性化模型分割算法心音信号建模方法高斯混合无监督学习统计模型在线训练

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：