检索结果-内蒙古大学图书馆

计算机工程 2024年

作者：杨兴宇周骅田有亮杨科迪贵州大学大数据与信息工程学院贵州大学公共大数据国家重点实验室贵州大学密码学与数据安全研究所贵州省密码学与区块链技术特色重点实验室贵州大学计算机科学与技术学院

本文针对元宇宙环境中的身份动态认证与恶意用户身份追溯问题，提出了一种基于软硬协同技术和签密算法的元宇宙身份安全认证方案。研究首先设计了一种结合硬件特性和国密算法的可追溯身份认证协议，以保护用户匿名性并实现身份的分布式... 详细信息

本文针对元宇宙环境中的身份动态认证与恶意用户身份追溯问题，提出了一种基于软硬协同技术和签密算法的元宇宙身份安全认证方案。研究首先设计了一种结合硬件特性和国密算法的可追溯身份认证协议，以保护用户匿名性并实现身份的分布式认证与追踪。接着，利用现场可编程门阵列（FPGA）构建的软硬协同平台对签密过程进行优化，提高了签密效率。最终，通过构建的身份认证协议验证平台对性能消耗进行了分析。实验结果显示，该方案优化后能够显著提升签密计算性能，相较于中央处理器（CPU），性能提升达到了13.6倍。本研究为元宇宙环境中的身份认证提供了一种高效、安全的解决方案。

关键词：元宇宙身份认证数字签名软硬件协同国密算法

来源：评论

学校读者我要写书评

暂无评论

远离旧区域和避免回路的强化探索方法

引用

计算机工程 2023年第7期49卷 118-124,134页

作者：蔡丽娇秦进陈双贵州大学计算机科学与技术学院公共大数据国家重点实验室贵阳550025 贵州道坦坦科技股份有限公司贵阳550025

以内在动机为导向的探索类强化学习中,通常根据智能体对状态的熟悉程度产生内在奖励,难以获得较合适的近似度量方法,且这种长期累计度量的方式没有重视状态在其所处episode中的作用。Anchor方法使用锚代替分层强化学习中的子目标,鼓励... 详细信息

以内在动机为导向的探索类强化学习中,通常根据智能体对状态的熟悉程度产生内在奖励,难以获得较合适的近似度量方法,且这种长期累计度量的方式没有重视状态在其所处episode中的作用。Anchor方法使用锚代替分层强化学习中的子目标,鼓励智能体以远离锚的方式进行探索。受Anchor方法的启发,根据转移状态与同一个episode中历史状态之间的距离设计内在奖励函数,进而提出远离旧区域和避免回路的强化探索方法。将当前episode中部分历史状态组成的集合作为区域,周期性更新区域为最近访问的状态集合,根据转移状态与区域的最小距离给予智能体内在奖励,使智能体远离当前最近访问过的旧区域。将转移状态的连续前驱状态作为窗口并规定窗口大小,根据窗口范围内以转移状态为终点的最短回路长度给予内在奖励,防止智能体走回路。在经典的奖励稀疏环境MiniGrid中的实验结果表明,该方法避免了对状态熟悉程度的度量,同时以一个episode为周期对环境进行探索,有效提升了智能体的探索能力。

关键词：深度强化学习奖励稀疏任务内在奖励旧区域回路

来源：评论

学校读者我要写书评

暂无评论

基于联合注意力的复杂纹理瓷砖缺陷检测方法

引用

计算机应用研究 2024年第3期41卷 944-950页

作者：叶旭芳陈梅李晖曹阳王喜宾公共大数据国家重点实验室贵阳550000 贵州大学计算机科学与技术学院贵阳550000 贵州大学机械工程学院贵阳550000 贵州理工学院大数据学院贵阳550000

复杂纹理瓷砖表面存在较多的低可视度小目标缺陷与严重的复杂纹理背景干扰,使应用目标检测方法时易出现较高的误检率和漏检率。为提升复杂纹理瓷砖表面缺陷检测效率,提出了基于通道与空间联合注意力的复杂纹理瓷砖表面缺陷检测方案。首... 详细信息

复杂纹理瓷砖表面存在较多的低可视度小目标缺陷与严重的复杂纹理背景干扰,使应用目标检测方法时易出现较高的误检率和漏检率。为提升复杂纹理瓷砖表面缺陷检测效率,提出了基于通道与空间联合注意力的复杂纹理瓷砖表面缺陷检测方案。首先通过建模深浅层特征通道间关系设计了一种选择性特征融合方法,以提升模型对小目标缺陷的特征表达;其次,提出了通道与空间联合注意力模块,通过通道注意力和空间注意力来筛选关键特征通道和抑制纹理区域,使模型着重于学习缺陷特征以增强模型辨别缺陷与纹理的能力;最后,在复杂纹理瓷砖表面缺陷数据上进行了实验验证。实验结果表明,相较于AFF(attentional feature fusion)和CBAM(convolutional block attention module)方法,选择性特征融合方法和通道与空间联合注意力模块使模型检测性能分别提高了5.3 AP、6.32 AP。最终,实验证明了该方案分别优于现有的瓷砖检测方法YOLOv5和纹理织物缺陷检测AFAM方法1.32 AP、2.12 AP。

关键词：表面缺陷检测注意力机制特征融合目标检测

来源：评论

学校读者我要写书评

暂无评论

基于掩码注意力与多特征卷积网络的关系抽取方法

引用

广西师范大学学报(自然科学版) 2025年第3期43卷 12-22页

作者：卢展跃陈艳平杨卫哲黄瑞章秦永彬贵州大学文本计算与认知智能教育部工程研究中心贵州贵阳550025 公共大数据国家重点实验室(贵州大学) 贵州贵阳550025 贵州大学计算机科学与技术学院贵州贵阳550025

关系抽取旨在抽取2个命名实体之间的语义关系。近年来,提示学习通过拼接提示模板并进行掩码预测的方式,统一了预训练语言模型训练和微调过程的优化目标,在关系抽取领域取得优异的性能。然而,固定的提示模板与关系实例间的弱语义关联导... 详细信息

关系抽取旨在抽取2个命名实体之间的语义关系。近年来,提示学习通过拼接提示模板并进行掩码预测的方式,统一了预训练语言模型训练和微调过程的优化目标,在关系抽取领域取得优异的性能。然而,固定的提示模板与关系实例间的弱语义关联导致模型对复杂关系的语义感知能力差。针对这一问题,本文提出一种基于掩码注意力与多特征卷积网络的关系抽取方法。该方法采用三仿射注意力机制将提示模板中的掩码与关系实例的语义空间进行交互映射,形成二维掩码语义,并利用多特征卷积网络和多层感知机提取二维掩码语义中的关系信息。该方法通过建立掩码与关系实例间的显式语义依赖,增强提示模型对复杂关系的语义感知能力。该方法在数据集SemEval、SciERC和CLTC上的F_(1)值分别达到91.4%、91.2%和82.6%,验证了该方法的有效性。

关键词：自然语言处理关系抽取提示学习三仿射注意力机制卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于多模态学习的试题知识点分类方法

引用

中文信息学报 2023年第7期37卷 143-151页

作者：李洋洋谭曦陈艳平唐瑞雪唐向红林川公共大数据国家重点实验室贵州贵阳550025 贵州大学计算机科学与技术学院贵州贵阳550025 贵州青朵科技有限公司贵州贵阳550025

试题知识点分类是智慧教育中的一个核心技术支撑。传统试题知识点分类方法往往忽略了试题图片与试题文本之间的深层语义关联。针对上述问题,该文提出了一种基于多模态学习的试题知识点分类方法。该方法鉴于不同模态的试题特征之间存在... 详细信息

试题知识点分类是智慧教育中的一个核心技术支撑。传统试题知识点分类方法往往忽略了试题图片与试题文本之间的深层语义关联。针对上述问题,该文提出了一种基于多模态学习的试题知识点分类方法。该方法鉴于不同模态的试题特征之间存在互补关系,采用协同注意力机制(Co-attention)分别获取试题文本引导的试题图片特征和试题图片引导的试题文本特征;然后通过门控机制动态地对两者的特征进行融合表示,以获取更丰富的试题语义信息。实验结果表明,在某教育机构提供的物理试题数据集上,一级知识点和二级知识点的分类准确率可以分别达到95.09%和83.18%,Macro-F1值可以分别达到64.20%和50.63%。通过分析发现,多模态学习能有效弥补小样本试题知识点分类中的特征稀疏问题。因此,该方法可有效支撑智慧教育中的试题知识点分类。

关键词：知识点分类文本卷积神经网络多模态融合协同注意力机制

来源：评论

学校读者我要写书评

暂无评论

融合边界交互信息的命名实体识别方法

引用

广西师范大学学报(自然科学版) 2025年第3期43卷 1-11页

作者：何安康陈艳平扈应黄瑞章秦永彬贵州大学文本计算与认知智能教育部工程研究中心贵州贵阳550025 公共大数据国家重点实验室(贵州大学) 贵州贵阳550025 贵州大学计算机科学与技术学院贵州贵阳550025

命名实体识别是自然语言处理领域中的一项基本任务,旨在识别和分类文本中的命名实体。目前,基于跨度的方法在实体识别方面取得一定进展,但这些方法往往忽视了候选跨度的质量差异。针对该问题,本文提出一种融合边界交互信息的命名实体识... 详细信息

命名实体识别是自然语言处理领域中的一项基本任务,旨在识别和分类文本中的命名实体。目前,基于跨度的方法在实体识别方面取得一定进展,但这些方法往往忽视了候选跨度的质量差异。针对该问题,本文提出一种融合边界交互信息的命名实体识别方法。该方法通过一个边界交互模块评估边界间的语义关联和交互强度,生成边界交互信息矩阵,用于识别边界间潜在的语义联系,引导模型识别和标记出高质量的候选跨度。此外,该方法集成多尺度空洞卷积模块,利用跨度之间的语义关系来减轻非实体噪声的影响。实验表明,本文方法在ACE2005中文数据集、ACE2005英文数据集和Weibo数据集上的F 1值分别达到89.78%、87.37%和72.10%,与基准模型相比分别提升0.67、0.95和0.69个百分点,验证了该方法对命名实体识别的有效性。

关键词：自然语言处理命名实体识别信息抽取边界交互

来源：评论

学校读者我要写书评

暂无评论

结合位置感知的命名实体识别方法

引用

广西科学 2025年第1期32卷 96-105页

作者：王纪恬陈艳平黄蓉黄瑞章秦永彬贵州大学文本计算与认知智能教育部工程研究中心贵州贵阳550025 贵州大学公共大数据国家重点实验室贵州贵阳550025 贵州大学计算机科学与技术学院贵州贵阳550025

命名实体识别(Named Entity Recognition,NER)的性能影响自然语言处理中诸多下游任务。跨度分类是命名实体识别常用的方法,由于其需要枚举每一个跨度,因此存在高复杂度和大量负实例问题。此外,对每个跨度的独立预测不仅忽略了词与词之... 详细信息

命名实体识别(Named Entity Recognition,NER)的性能影响自然语言处理中诸多下游任务。跨度分类是命名实体识别常用的方法,由于其需要枚举每一个跨度,因此存在高复杂度和大量负实例问题。此外,对每个跨度的独立预测不仅忽略了词与词之间的依赖关系和位置信息,而且导致模型获取的语义信息较为单一,从而忽略了全局信息。针对上述问题,本文提出结合位置感知的命名实体识别方法。具体来说,首先使用位置编码增强词与词之间的位置特征,序列融合了绝对位置信息和相对位置信息,从而得到关注语序的语义信息,预测可能的实体边界;然后对候选实体边界进行匹配组合并过滤生成带有标签信息的候选实体实例;最后使用具有局部信息感知的标签注意力机制和多层感知机联合判断候选实体的标签。实验结果表明,本文提出模型在ACE2005、GENIA和CoNLL-2003数据集上的F 1分数分别达到90.02%、81.33%和94.52%,该结果充分验证了所提模型在不同数据集上的有效性,进一步证明了其在命名实体识别任务中的优越性能。

关键词：命名实体识别嵌套命名实体识别边界检测位置编码神经网络

来源：评论

学校读者我要写书评

暂无评论

基于国密的工业物联网门限签密方案

引用

计算机工程 2024年

作者：李斯琦田有亮彭长根贵州大学公共大数据国家重点实验室贵州大学计算机科学与技术学院贵州大学密码学与数据安全研究所贵州大学贵州省大数据产业发展应用研究院

针对工业物联网中SCADA系统与终端设备之间通信易受篡改、窃听、假冒等攻击的问题，提出一种基于国密的门限签密方案 (SM-TSC)。首先，将终端设备注册、分组，基于Shamir秘密共享设计群组秘密值分配方法，防止工业物联网场景下终端设备... 详细信息

针对工业物联网中SCADA系统与终端设备之间通信易受篡改、窃听、假冒等攻击的问题，提出一种基于国密的门限签密方案 (SM-TSC)。首先，将终端设备注册、分组，基于Shamir秘密共享设计群组秘密值分配方法，防止工业物联网场景下终端设备节点权力过于集中所造成的密钥泄露、签密伪造等问题。其次，利用国密SM2签名算法作为基础，结合国密SM3算法、国密SM4算法以及群组秘密值分配方法，设计一种安全高效的面向群组的门限签密算法，保障SCADA系统与终端设备群组之间通信消息的真实性和机密性。最后，在随机谕言机模型下，利用安全归约方法对SM-TSC方案进行安全性分析。分析结果表明，SM-TSC方案在自适应选择密文攻击下能达到语义安全，在自适应选择消息攻击下是存在性不可伪造的，可以有效保障群组通信中数据的机密性和真实性。实验分析表明，与现有的基于椭圆曲线的门限签密方案相比，SM-TSC方案在门限签密阶段和解签密阶段中计算开销分别降低了75%与79.66%，因此在工业物联网群组通信中具有更高的适用性。

关键词：签密国密算法门限密码学可证明安全工业物联网

来源：评论

学校读者我要写书评

暂无评论

基于事件表示和对比学习的深度事件聚类方法

引用

计算机应用 2024年第6期44卷 1734-1742页

作者：蒋小霞黄瑞章白瑞娜任丽娜陈艳平公共大数据国家重点实验室(贵州大学) 贵阳550025 文本计算与认知智能教育部工程研究中心(贵州大学) 贵阳550025 贵州大学计算机科学与技术学院贵阳550025

针对现有深度聚类方法不考虑事件信息及其结构特点而难以有效划分事件类型的问题,提出一种基于事件表示和对比学习的深度事件聚类方法(DEC_ERCL)。首先,利用信息识别手段从非结构化文本中识别结构化的事件信息,避免冗余信息对事件语义... 详细信息

针对现有深度聚类方法不考虑事件信息及其结构特点而难以有效划分事件类型的问题,提出一种基于事件表示和对比学习的深度事件聚类方法(DEC_ERCL)。首先,利用信息识别手段从非结构化文本中识别结构化的事件信息,避免冗余信息对事件语义的影响;其次,将事件的结构信息集成于自编码器中学习低维稠密的事件表示,并以此作为下游聚类划分的依据;最后,为有效建模事件之间的细微差异,在特征学习过程中加入多正例对比损失。在数据集DuEE、FewFC、Military和ACE2005上的实验结果表明,相较于其他深度聚类方法,所提方法在准确率和标准化互信息(NMI)评价指标上均表现更好;相较于次优的方法,DEC_ERCL的聚类准确率分别提升了17.85%、9.26%、7.36%和33.54%,表明了DEC_ERCL具有更好的事件聚类效果。

关键词：深度聚类文本聚类事件表示事件结构对比学习

来源：评论

学校读者我要写书评

暂无评论

基于掩码提示与门控记忆网络校准的关系抽取方法

引用

计算机应用 2024年第6期44卷 1713-1719页

作者：魏超陈艳平王凯秦永彬黄瑞章文本计算与认知智能教育部工程研究中心(贵州大学) 贵阳550025 公共大数据国家重点实验室(贵州大学) 贵阳550025 贵州大学计算机科学与技术学院贵阳550025

针对关系抽取(RE)任务中实体关系语义挖掘困难和预测关系有偏差等问题,提出一种基于掩码提示与门控记忆网络校准(MGMNC)的RE方法。首先,利用提示中的掩码学习实体之间在预训练语言模型(PLM)语义空间中的潜在语义,通过构造掩码注意力权... 详细信息

针对关系抽取(RE)任务中实体关系语义挖掘困难和预测关系有偏差等问题,提出一种基于掩码提示与门控记忆网络校准(MGMNC)的RE方法。首先,利用提示中的掩码学习实体之间在预训练语言模型(PLM)语义空间中的潜在语义,通过构造掩码注意力权重矩阵,将离散的掩码语义空间相互关联;其次,采用门控校准网络将含有实体和关系语义的掩码表示融入句子的全局语义;再次,将它们作为关系提示校准关系信息,随后将句子表示的最终表示映射至相应的关系类别;最后,通过更好地利用提示中掩码,并结合传统微调方法的学习句子全局语义的优势,充分激发PLM的潜力。实验结果表明,所提方法在SemEval(SemEval-2010 Task 8)数据集的F1值达到91.4%,相较于RELA(Relation Extraction with Label Augmentation)生成式方法提高了1.0个百分点;在SciERC(Entities, Relations, and Coreference for Scientific knowledge graph construction)和CLTC(Chinese Literature Text Corpus)数据集上的F1值分别达到91.0%和82.8%。所提方法在上述3个数据集上均明显优于对比方法,验证了所提方法的有效性。相较于基于生成式的方法,所提方法实现了更优的抽取性能。

关键词：关系抽取掩码门控神经网络预训练语言模型提示学习

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：