检索结果-内蒙古大学图书馆

模式识别与人工智能 2024年第8期37卷 715-728页

作者：陈娟赵新潮隋京言祁麟田辰庞亮方金云中国科学院计算技术研究所前瞻研究实验室北京100190 中国科学院大学计算机科学与技术学院北京100049 中科大数据研究院兰亭中心郑州450046 北京交通大学软件学院北京100044

时序知识图谱海量稀疏,实体的长尾分布导致对分布外实体的推理泛化性较差,历史交互低频导致对未来事件的预测偏差较大.为此,文中提出故事启发大语言模型的时序知识图谱预测方法,利用大语言模型的世界知识储备和复杂语义推理能力,增强对... 详细信息

时序知识图谱海量稀疏,实体的长尾分布导致对分布外实体的推理泛化性较差,历史交互低频导致对未来事件的预测偏差较大.为此,文中提出故事启发大语言模型的时序知识图谱预测方法,利用大语言模型的世界知识储备和复杂语义推理能力,增强对分布外实体的理解和交互稀疏事件的关联.首先,根据时序知识图谱中时间和结构的特性筛选“关键事件树”,通过历史事件筛选策略提炼最具代表性的事件,并摘要当前查询相关的历史信息,减少数据输入量并保留最重要的信息.然后,微调大语言模型生成器,生成时序语义关联且符合逻辑的“关键事件树”叙事故事,作为非结构化输入.在生成过程中,特别关注事件之间的因果关系和时间顺序,确保生成的故事具有连贯性和合理性.最后,利用大语言模型推理器推理缺失的时序实体.在3个公开数据集上的实验表明,文中方法可充分发挥大模型的能力,完成精准的时序实体推理.

关键词：时序知识图谱(TKG) 大语言模型关键事件树时序故事事件推理

来源：评论

学校读者我要写书评

暂无评论

高维数据的降维与检索算法

引用

山东大学学报（理学版） 2024年第7期59卷 27-43页

作者：邵伟朱高宇于雷郭嘉丰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京100190 中国科学院大学计算机科学与技术学院北京100049

目前大多研究通过一些降维方法将高维向量转化为低维向量表示,再应用相关向量检索优化技术实现快速相似性检索,从而提高大模型应用表现。当前针对高维数据的降维方法繁多分散,在不同的研究背景下所采用的降维方法不尽相同,同样地,在向... 详细信息

目前大多研究通过一些降维方法将高维向量转化为低维向量表示,再应用相关向量检索优化技术实现快速相似性检索,从而提高大模型应用表现。当前针对高维数据的降维方法繁多分散,在不同的研究背景下所采用的降维方法不尽相同,同样地,在向量检索技术上也存在大量不同的检索思路与优化方法。通过综述近期的降维和检索算法的主要思路及其优化方法,有助于产生二者之间的启发性联系,支撑后续高维向量检索优化算法研究的展开和深入。

关键词：高维数据数据降维检索算法近似最近邻检索

来源：评论

学校读者我要写书评

暂无评论

基于相关修正的无偏排序学习方法

引用

计算机研究与发展 2022年第12期59卷 2867-2877页

作者：王奕婷兰艳艳庞亮郭嘉丰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 中国科学院大学北京100049 清华大学智能产业研究院北京100084 中国科学院计算技术研究所数据智能系统研究中心北京100190

用户点击数据较文档的相关标签更易被获取且能反映用户兴趣,将其作为标签能够有效降低人工标注成本并且模型能随数据实时更新.但用户点击含有偏差和噪声,因此需设计有效的无偏排序方法.针对无偏排序中对偶学习方法收敛得到次优解从而无... 详细信息

用户点击数据较文档的相关标签更易被获取且能反映用户兴趣,将其作为标签能够有效降低人工标注成本并且模型能随数据实时更新.但用户点击含有偏差和噪声,因此需设计有效的无偏排序方法.针对无偏排序中对偶学习方法收敛得到次优解从而无法完全消除偏差的问题,提出一种基于相关修正的无偏排序学习方法.首先,利用现有小规模相关标注数据训练排序模型,对候选文档进行较精准的相关得分预测;再基于用户点击和文档相关得分训练点击倾向模型;最后,将得到的模型参数设为对偶去偏初始值并联合训练.该方法不影响模型上线的计算速度,可用于在线学习场景,模拟不同程度偏差噪声并在真实点击场景下进行测试,结果表明该方案能够有效提升现有无偏排序学习方法表现.

关键词：无偏排序学习点击数据相关修正偏差去除逆倾向加权

来源：评论

学校读者我要写书评

暂无评论

知识图谱可解释推理研究综述

引用

软件学报 2022年第12期33卷 4644-4667页

作者：侯中妮靳小龙陈剑赟官赛萍王元卓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 中国科学院大学计算机科学与技术学院北京100049 北京市信息技术研究所北京100094

面向知识图谱的知识推理旨在通过已有的知识图谱事实,去推断新的事实,进而实现知识库的补全.近年来,尽管基于分布式表示学习的方法在推理任务上取得了巨大的成功,但是他们的黑盒属性使得模型无法为预测出的事实做出解释.所以,如何设计... 详细信息

面向知识图谱的知识推理旨在通过已有的知识图谱事实,去推断新的事实,进而实现知识库的补全.近年来,尽管基于分布式表示学习的方法在推理任务上取得了巨大的成功,但是他们的黑盒属性使得模型无法为预测出的事实做出解释.所以,如何设计用户可理解、可信赖的推理模型成为了人们关注的问题.从可解释性的基本概念出发,系统梳理了面向知识图谱的可解释知识推理的相关工作,具体介绍了事前可解释推理模型和事后可解释推理模型的研究进展;根据可解释范围的大小,将事前可解释推理模型进一步细分为全局可解释的推理和局部可解释的推理;在事后解释模型中,回顾了推理模型的代表方法,并详细介绍提供事后解释的两类解释方法.此外,还总结了可解释知识推理在医疗、金融领域的应用.随后,对可解释知识推理的现状进行概述,最后展望了可解释知识推理的未来发展方向,以期进一步推动可解释推理的发展和应用.

关键词：可解释性知识推理知识图谱事后可解释事前可解释

来源：评论

学校读者我要写书评

暂无评论

基于提示学习的文本隐式情感分类

引用

山西大学学报(自然科学版) 2023年第3期46卷 509-517页

作者：王昱婷刘一伊张儒清范意兴郭嘉丰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

随着监管不断加强，人们表达方式逐渐由直白向隐晦演进，情感分析任务变得更为困难。针对用于情感分析的预训练语言模型和微调阶段模型在处理包含隐式情感文本时遇到的巨大困难，本文提出了一种基于提示学习模型（一种弥合了预训练模型... 详细信息

随着监管不断加强，人们表达方式逐渐由直白向隐晦演进，情感分析任务变得更为困难。针对用于情感分析的预训练语言模型和微调阶段模型在处理包含隐式情感文本时遇到的巨大困难，本文提出了一种基于提示学习模型（一种弥合了预训练模型和微调阶段模型的模型）和类别差异化损失的方法ImplicitPrompt，将隐式的情感显式化，区分不同情感标签的距离，提升隐式情感分类的准确率。在英文方面级情感分类标准数据集上进行实验的结果表明，本文模型在标准监督设置下和低资源设置下均能在文本隐式情感分类中取得最佳效果。

关键词：提示学习隐式情感类别差异化损失

来源：评论

学校读者我要写书评

暂无评论

面向知识库问答的问句语义解析研究综述

引用

电子学报 2022年第9期50卷 2242-2264页

作者：仇韫琦王元卓白龙尹芷仪沈华伟白硕中国科学院计算技术研究所数据智能系统研究中心北京100190 中国科学院大学计算机科学与技术学院北京101408 中科大数据研究院河南郑州450046 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京100190

知识库问答(Knowledge Base Question Answering,KBQA)借助知识库中精度高、关联性强的结构化知识,为给定的复杂事实型问句提供准确、简短的答案.语义解析是知识库问答的主流方法之一,该类方法在给定的问句语义表征形式下,将非结构化的... 详细信息

知识库问答(Knowledge Base Question Answering,KBQA)借助知识库中精度高、关联性强的结构化知识,为给定的复杂事实型问句提供准确、简短的答案.语义解析是知识库问答的主流方法之一,该类方法在给定的问句语义表征形式下,将非结构化的问句映射为结构化的语义表征,再将其改写为知识库查询获取答案.目前,面向知识库问答的语义解析方法主要面临三个挑战:首先是如何选择合适的语义表征形式以表达问句的语义,然后是如何解析问句的复杂语义并输出相应的语义表征,最后是如何应对特定领域中数据标注成本高昂、高质量数据匮乏的问题.本文从上述挑战出发,分析了知识库问答中常用的语义表征的特点与不足,然后梳理现有方法并总结分析其如何应对问句的复杂语义,接着介绍了当前方法在标注数据匮乏的低资源场景下的尝试,最后展望并讨论了面向知识库问答的语义解析的未来发展方向.

关键词：知识库问答语义表征语义解析低资源

来源：评论

学校读者我要写书评

暂无评论

Bi-Attention:面向终端的细粒度识别网络加速方法

引用

高技术通讯 2023年第2期33卷 156-166页

作者：钟巧灵汪啸张志斌李冰程学旗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京100190 中国科学院大学计算机科学与技术学院北京100049

细粒度识别是针对具有微小差异的对象进行分类的图像识别任务,深度学习模型在细粒度识别任务上取得了较大的进步。然而现有的细粒度识别深度神经网络模型采用多个模型结构叠加,无法在手机、无人机等资源受限终端设备上部署。本文提出Bi-... 详细信息

细粒度识别是针对具有微小差异的对象进行分类的图像识别任务,深度学习模型在细粒度识别任务上取得了较大的进步。然而现有的细粒度识别深度神经网络模型采用多个模型结构叠加,无法在手机、无人机等资源受限终端设备上部署。本文提出Bi-Attention细粒度识别模型加速方法,使用高效的TensorSketch运算以及权重共享机制,在Stanford Cars数据集上的准确率为91.6%,且比现有最先进的模型提高1.2%。本文提出一种结构化剪枝训练方法,通过LASSO正则化算法,在模型训练过程删除批归一化(BN)操作中不重要的扩展因子。实验结果表明,该剪枝方法可以降低Bi-Attention模型大小为原来的1/4。

关键词：细粒度识别 Attention 结构化剪枝 L1正则化终端

来源：评论

学校读者我要写书评

暂无评论

基于森林的实体关系联合抽取模型

引用

计算机应用 2023年第9期43卷 2700-2706页

作者：王炫力靳小龙侯中妮廖华明张瑾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 中国科学院大学北京100049

嵌套实体对实体关系联合提取任务提出了挑战。现有的联合抽取模型在处理嵌套实体时存在产生大量负例且复杂度高的问题,此外未考虑嵌套实体对三元组预测的干扰。针对以上问题,提出一种基于森林的实体关系联合抽取方法——EF2LTF(Entity F... 详细信息

嵌套实体对实体关系联合提取任务提出了挑战。现有的联合抽取模型在处理嵌套实体时存在产生大量负例且复杂度高的问题,此外未考虑嵌套实体对三元组预测的干扰。针对以上问题,提出一种基于森林的实体关系联合抽取方法——EF2LTF(Entity Forest to Layering Triple Forest)。EF2LTF采用了一个两阶段的联合训练框架,首先通过生成实体森林灵活地在嵌套实体内部识别不同的实体;然后结合已识别出的嵌套实体及其层次结构生成分层的三元组森林。在四个标准数据集上的实验结果表明,与基于集合预测网络的SPN(Set Prediction Network)模型、基于跨度的实体关系联合抽取模型SpERT(Span-based Entity and Relation Transformer)和动态图增强信息抽取(DyGIE++)等方法相比,所提方法取得了最优的F1值。说明所提方法既增强了嵌套实体的识别能力,也增强了构建三元组时对嵌套实体的分辨能力,从而提升了实体与关系的联合抽取性能。

关键词：实体关系联合抽取三元组生成嵌套实体分层预测实体森林

来源：评论

学校读者我要写书评

暂无评论

标签指导的双注意力深度神经网络模型

引用

模式识别与人工智能 2022年第2期35卷 175-184页

作者：彭展望朱小飞郭嘉丰重庆理工大学计算机科学与工程学院重庆400054 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京100190

在数据集不包含标签文本信息时,现有的显式交互分类模型无法显式计算文本单词和标签之间的语义关系.针对此问题,文中提出标签指导的双注意力深度神经网络模型.首先,提出基于逆标签频次的自动类别标签描述生成方法,为每个标签生成特定的... 详细信息

在数据集不包含标签文本信息时,现有的显式交互分类模型无法显式计算文本单词和标签之间的语义关系.针对此问题,文中提出标签指导的双注意力深度神经网络模型.首先,提出基于逆标签频次的自动类别标签描述生成方法,为每个标签生成特定的标签描述,用于显式计算文本单词与标签之间的语义关系.在此基础上,使用文本编码器学习具有上下文语境信息的评论文本表示,并提出标签指导的双注意力网络,分别学习基于自注意力的文本表示和基于标签注意力的文本表示.然后,使用自适应门控机制融合这两个文本表示,得到文本最终表示.最后,使用两层前馈神经网络作为分类器,进行情感分类.在3个公开的真实数据集上的实验表明,文中模型分类效果较优,可减少计算代价和训练时长.

关键词：情感分类标签描述生成双注意力自注意力标签注意力

来源：评论

学校读者我要写书评

暂无评论

基于模型融合思想的程序化交易投资者识别研究

引用

计算机科学 2023年第S02期50卷 961-966页

作者：袁钰坤徐刚吴畏徐力中证数据有限责任公司北京100032 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京100190

近年来,随着信息化、电子化技术在金融市场中快速发展,程序化交易成为了越来越多金融机构选择的交易方式,对证券期货市场的影响力也逐渐增强,已受到监管层及广大投资者的关注。文中基于模型融合的思想,构建了程序化交易投资者的识别模型... 详细信息

近年来,随着信息化、电子化技术在金融市场中快速发展,程序化交易成为了越来越多金融机构选择的交易方式,对证券期货市场的影响力也逐渐增强,已受到监管层及广大投资者的关注。文中基于模型融合的思想,构建了程序化交易投资者的识别模型,将专家规则与机器学习算法进行叠加融合,并在中国A股市场投资者交易数据上验证了模型的有效性。研究表明,模型能以超过90%的准确率和召回率识别出程序化交易投资者账户,超过了当下的前沿效果,相关研究成果可以为证券期货行业程序化交易识别相关的科技监管工作提供支持。

关键词：程序化交易模型融合机器学习识别模型科技监管

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：