检索结果-内蒙古大学图书馆

软件学报 2019年第4期30卷 865-866页

作者：蒋树强刘青山孙立峰李波中国科学院计算技术研究所智能信息处理重点实验室北京100190 江苏省大数据分析技术重点实验室(南京信息工程大学自动化学院) 江苏南京210044 清华大学计算机科学与技术系北京100084 北京航空航天大学计算机学院北京100191

近年来,不同来源的多媒体数据产生量剧增,成为用户信息获取、信息交换与信息消费的主要对象,多媒体数据具有广泛的应用需求和重大的应用价值.相对于其他数据类型,图像、视频等多媒体数据具有关系繁杂、冗余性强、信息隐藏深、全面理解... 详细信息

近年来,不同来源的多媒体数据产生量剧增,成为用户信息获取、信息交换与信息消费的主要对象,多媒体数据具有广泛的应用需求和重大的应用价值.相对于其他数据类型,图像、视频等多媒体数据具有关系繁杂、冗余性强、信息隐藏深、全面理解困难等特点,因此,全面和准确地分析和理解多媒体内容是一个非常重要和具有挑战性的问题.最近,基于知识关联与理解的多媒体计算正逐渐得到研究者的关注,呈现出新的发展动态,这项研究可以使得多媒体内容的分析与理解更加深入,建立从多媒体内容感知到全面认知理解的桥梁.

关键词：多媒体数据知识多媒体内容多媒体计算信息获取信息消费信息交换数据类型

来源：评论

学校读者我要写书评

暂无评论

一种有向复杂网络生成模型的建立方法

引用

小型微型计算机系统 2018年第10期39卷 2197-2201页

作者：刘大伟杨文峰王海洋刘玮中国科学院计算技术研究所烟台分所烟台中科网络技术研究所山东烟台264005 中移(苏州)软件技术有限公司江苏苏州215000 中国科学院计算技术研究所网络数据科学与技术重点实验室北京100090

对于很多网络数据挖掘的应用,如链路预测、朋友推荐、社区发现和网络演化等,理解网络链路的生成模式是重要的基础性工作.随着复杂网络研究的发展,越来越多的网络应用可以抽象为有向网络的形式,但现有的研究大多关注于无向网络的范围,有... 详细信息

对于很多网络数据挖掘的应用,如链路预测、朋友推荐、社区发现和网络演化等,理解网络链路的生成模式是重要的基础性工作.随着复杂网络研究的发展,越来越多的网络应用可以抽象为有向网络的形式,但现有的研究大多关注于无向网络的范围,有向网络的生成机制亟待深入研究.通过分析有向网络的局部结构,基于微观组织模式,提出一种有向复杂网络生成模型的建立方法:局部相关位置方法.同时提出一种对应的链路预测算法来检验生成模型.在各种真实有向网络数据集中的实验结果证明了网络生成模型的有效性.

关键词：链路生成有向网络网络挖掘链路预测

来源：评论

学校读者我要写书评

暂无评论

基于复合结构的知识库分类体系匹配方法

引用

计算机研究与发展 2017年第1期54卷 50-62页

作者：林海伦贾岩涛王元卓靳小龙程学旗王伟平中国科学院信息工程研究所北京100093 中国科学院网络数据科学与技术重点实验室(中国科学院计算技术研究所) 北京100190

近年来,分类体系匹配由于其在知识库构建和融合等方面的广泛应用,已成为国内外工业界和学术界的研究热点.然而,随着网络大数据的不断发展,分类体系变得越来越庞大和复杂,构造一种通用有效的分类体系匹配器以适应大规模、异构分类体系匹... 详细信息

近年来,分类体系匹配由于其在知识库构建和融合等方面的广泛应用,已成为国内外工业界和学术界的研究热点.然而,随着网络大数据的不断发展,分类体系变得越来越庞大和复杂,构造一种通用有效的分类体系匹配器以适应大规模、异构分类体系匹配的扩展性仍然面临很大的挑战.为此,提出了一种基于复合结构的分类体系匹配方法 BiMWM,该方法利用分类体系中分类的复合结构信息:微观结构和宏观结构,将分类体系匹配问题转化为二部图上的优化问题进行求解.首先,创建赋权的二部图建模分类体系之间候选的匹配类对关系;然后,通过计算二部图上的最大权匹配剪枝选择最优的分类体系的匹配类对.BiMWM方法可以在多项式时间内为2个分类体系产生最优匹配.实验结果表明:与当前先进的基准方法相比,该方法能够有效提升大规模、异构分类体系匹配的性能.

关键词：知识库分类体系匹配复合结构二部图最大权匹配

来源：评论

学校读者我要写书评

暂无评论

深度文本匹配综述

引用

计算机学报 2017年第4期40卷 985-1003页

作者：庞亮兰艳艳徐君郭嘉丰万圣贤程学旗中国科学院网络数据科学与技术重点实验室北京100190 中国科学院计算技术研究所北京100190 中国科学院大学北京100190

自然语言理解的许多任务,例如信息检索、自动问答、机器翻译、对话系统、复述问题等等,都可以抽象成文本匹配问题.过去研究文本匹配主要集中在人工定义特征之上的关系学习,模型的效果很依赖特征的设计.最近深度学习自动从原始数据学习... 详细信息

自然语言理解的许多任务,例如信息检索、自动问答、机器翻译、对话系统、复述问题等等,都可以抽象成文本匹配问题.过去研究文本匹配主要集中在人工定义特征之上的关系学习,模型的效果很依赖特征的设计.最近深度学习自动从原始数据学习特征的思想也影响着文本匹配领域,大量基于深度学习的文本匹配方法被提出,作者称这类模型为深度文本匹配模型.相比于传统方法,深度文本匹配模型能够从大量的样本中自动提取出词语之间的关系,并能结合短语匹配中的结构信息和文本匹配的层次化特性,更精细地描述文本匹配问题.根据特征提取的不同结构,深度文本匹配模型可以分为3类:基于单语义文档表达的深度学习模型、基于多语义文档表达的深度学习模型和直接建模匹配模式的深度学习模型.从文本交互的角度,这3类模型具有递进的关系,并且对于不同的应用,具有各自性能上的优缺点.该文在复述问题、自动问答和信息检索3个任务上的经典数据集上对深度文本匹配模型进行了实验,比较并详细分析了各类模型的优缺点.最后该文对深度文本模型未来发展的若干问题进行了讨论和分析.

关键词：文本匹配深度学习自然语言处理卷积神经网络循环神经网络社会媒体

来源：评论

学校读者我要写书评

暂无评论

抑制背景噪声的LDA子话题挖掘算法

引用

华南理工大学学报（自然科学版） 2017年第3期45卷 54-60页

作者：李静远丘志杰刘悦程学旗任彦中国科学院计算技术研究所∥中国科学院网络数据科学与技术重点实验室北京100190 国家计算机网络应急技术处理协调中心北京100029

专题文章集合是一些拥有相似背景知识的文章集合.为了更好地从专题文章集合内部的复杂信息关联中高效挖掘子话题信息,文中提出了抑制背景噪声的线性判别分析(LDA)子话题挖掘算法BLDA,通过预先抽取专题文档集合的共同背景知识、在迭代过... 详细信息

专题文章集合是一些拥有相似背景知识的文章集合.为了更好地从专题文章集合内部的复杂信息关联中高效挖掘子话题信息,文中提出了抑制背景噪声的线性判别分析(LDA)子话题挖掘算法BLDA,通过预先抽取专题文档集合的共同背景知识、在迭代过程中重设关键词的产生等方式提高子话题抽取的准确程度.在微信公众账号文章上的系列实验证明,BLDA算法针对有共同背景的专题文章集合的聚类结果显著优于传统的LDA算法,其中主题召回率提高了170%,Purity聚类指标提高了143%,NMI聚类指标提高了160%.

关键词：子话题挖掘线性判别分析背景噪声抑制

来源：评论

学校读者我要写书评

暂无评论

基于分层注意力网络的社交媒体谣言检测

引用

中国科学：信息科学 2018年第11期48卷 1558-1574页

作者：廖祥文黄知杨定达程学旗陈国龙福州大学数学与计算机科学学院福州350116 福建省网络计算与智能信息处理重点实验室(福州大学) 福州350116 数字福建金融大数据研究所福州350116 中国科学院网络数据科学与技术重点实验室北京100086

在社交媒体谣言检测问题上,现有的基于特征表示学习的研究工作大多数先把微博事件划分为若干个时间段,再对每个时间段提取文本向量表示、全局用户特征等,忽略了时间段内各微博间的时序信息,且未利用到在传统机器学习方法中已取得较好效... 详细信息

在社交媒体谣言检测问题上,现有的基于特征表示学习的研究工作大多数先把微博事件划分为若干个时间段,再对每个时间段提取文本向量表示、全局用户特征等,忽略了时间段内各微博间的时序信息,且未利用到在传统机器学习方法中已取得较好效果的文本潜在信息和局部用户信息,导致性能较低.因此,本文提出了一种基于分层注意力网络的社交媒体谣言检测方法.该方法首先将微博事件按照时间段进行分割,并输入带有注意力机制的双向GRU网络,获取时间段内微博序列的隐层表示,以刻画时间段内微博间的时序信息;然后将每个时间段内的微博视为一个整体,提取文本潜在特征和局部用户特征,并与微博序列的隐层表示相连接,以融入文本潜在信息和局部用户信息;最后通过带有注意力机制的双向GRU网络,得到时间段序列的隐层表示,进而对微博事件进行分类.实验采用了新浪微博数据集和Twitter数据集,实验结果表明,与目前最好的基准方法相比,该方法在新浪微博数据集和Twitter数据集上正确率分别提高了1.5%和1.4%,很好地验证了该方法在社交媒体谣言检测问题上的有效性.

关键词：谣言检测分层注意力网络社交媒体时序信息深度学习

来源：评论

学校读者我要写书评

暂无评论

一种基于RNN的社交消息爆发预测模型

引用

软件学报 2017年第11期28卷 3030-3042页

作者：笱程成秦宇君田甜伍大勇刘悦程学旗中国科学院网络数据科学与技术重点实验室(中国科学院计算技术研究所) 中国科学院大学中国人民解放军61755部队

社交网络中,消息的爆发预测属于社交网络流行动态分析的范畴,是社会计算领域的研究热点之一.通过利用基于深度循环神经网络对社交消息的传播过程进行建模,提出了SMOP(social messages outbreak prediction model based on recurrent neu... 详细信息

社交网络中,消息的爆发预测属于社交网络流行动态分析的范畴,是社会计算领域的研究热点之一.通过利用基于深度循环神经网络对社交消息的传播过程进行建模,提出了SMOP(social messages outbreak prediction model based on recurrent neural network)模型.与传统的基于机器学习的模型相比,SMOP直接对消息转发的到达过程进行建模,避免了传统方法中繁琐的特征工程;与基于点随机过程的模型相比,SMOP可以自动学习消息传播过程的速率函数,不需要手动定义消息传播速率的特征函数,具有较强的数据场景适应性.另外,SMOP采用了时间向量和用户向量的输入表示方法,将时间的周期性和用户的兴趣偏好建模到传播过程之中,提升了SMOP的预测效果.在Twitter和新浪微博数据集上的实验结果均表明,SMOP具有优良的数据适应能力,可以在消息传播的早期(0.5h),以较高的F1值预测某条社交消息是否爆发,验证了模型的有效性.

关键词：循环神经网络点随机过程爆发预测机器学习社交网络

来源：评论

学校读者我要写书评

暂无评论

CCF大专委2019年大数据发展趋势预测

引用

大数据 2019年第1期5卷 109-115页

作者：周涛潘柱廷程学旗阿里巴巴集团安全部北京永信至诚科技股份有限公司中国计算机学会(CCF) 中国网络安全协会人才培养教育工作委员会 CCF大数据专家委员会中国互联网协会云安全联盟(CSA)中国区大数据分析系统国家工程实验室中国科学院计算技术研究所中国科学院网络数据科学与技术重点实验室中国计算机学会大数据专家委员会

1引言2018年12月6日,中国计算机学会(CCF)大数据专家委员会(以下简称大专委)在2018年中国大数据技术大会(BDTC)的开幕式上,正式发布了2019年大数据十大发展趋势预测。作为自2012年起就持续开展的一项活动,大专委"大数据发展趋势预... 详细信息

1引言2018年12月6日,中国计算机学会(CCF)大数据专家委员会(以下简称大专委)在2018年中国大数据技术大会(BDTC)的开幕式上,正式发布了2019年大数据十大发展趋势预测。作为自2012年起就持续开展的一项活动,大专委"大数据发展趋势预测"已经形成了良好的品牌效应。本次趋势预测结果一经发布,就引发了国内各大媒体的广泛传播。本次大数据发展趋势预测面向大专委的正式委员和通讯委员,经历了候选项征集和正式投票两个环节。2018年委员们对趋势预测的参与热情有了显著提升,投票人数创历史新高。在候选项征集环节,有47位委员对候选项的设立积极建言献策,笔者团队根据大家的意见对2019年趋势预测的候选项进行了大幅度

关键词：候选项知识图谱应用场景趋势项大数据视频数据发展趋势预测 CCF

来源：评论

学校读者我要写书评

暂无评论

面向情绪分类的情绪词向量学习

引用

山东大学学报（理学版） 2017年第7期52卷 52-58,65页

作者：杜漫徐学可杜慧伍大勇刘悦程学旗中国科学院网络数据科学与技术重点实验室中国科学院计算技术研究所北京100190

提出了一种面向情绪分类的融合词内部信息和情绪标签的词向量学习方法。在CBOW模型的基础上,引入词内部成分和情绪标签信息,以适应微博情绪表达的不规范,同时丰富词向量的情绪语义。对于输入文本,按照词的TF-IDF权重对词向量进行加权求... 详细信息

提出了一种面向情绪分类的融合词内部信息和情绪标签的词向量学习方法。在CBOW模型的基础上,引入词内部成分和情绪标签信息,以适应微博情绪表达的不规范,同时丰富词向量的情绪语义。对于输入文本,按照词的TF-IDF权重对词向量进行加权求和,以作为文本向量表示。以上述词向量或文本向量作为情绪分类器的输入,采用机器学习的分类方法(LR、SVM、CNN),验证本文情绪词向量在情绪分类任务上的实验效果。实验表明,情绪词向量与原始CBOW词向量相比,在准确率、召回率、F值等各项指标上都有更好的表现。

关键词：情绪分类情绪分析词向量词内部信息情绪标签

来源：评论

学校读者我要写书评

暂无评论

SCMF:一种融合多源数据的软约束矩阵分解推荐算法

引用

中文信息学报 2017年第4期31卷 174-183页

作者：满彤沈华伟黄俊铭程学旗中国科学院计算技术研究所中国科学院网络数据科学与技术重点实验室北京100190

数据稀疏是推荐系统面临的主要挑战之一。近年来,多源数据融合为解决数据稀疏问题提供了新思路。然而,现有方法大多假设对象在不同数据源中具有相同的表示,这种硬约束方式无法刻画对象在不同数据源中的差异性。该文提出一种基于软约束... 详细信息

数据稀疏是推荐系统面临的主要挑战之一。近年来,多源数据融合为解决数据稀疏问题提供了新思路。然而,现有方法大多假设对象在不同数据源中具有相同的表示,这种硬约束方式无法刻画对象在不同数据源中的差异性。该文提出一种基于软约束矩阵分解的推荐算法,通过约束不同数据源中对象的隐因子向量,能够同时刻画同一对象表示的共性及其在不同数据源中的差异性。在两个数据集上的实验表明,该文提出的软约束矩阵分解算法在准确率方面优于现有的单数据源推荐算法和多源数据硬约束融合推荐算法,可以有效解决推荐系统面临的数据稀疏问题。

关键词：协同过滤推荐系统

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：