检索结果-内蒙古大学图书馆

智能系统学报 2022年第4期17卷 680-687页

作者：张琳刘明童张玉洁徐金安陈钰枫北京交通大学计算机与信息技术学院北京100044

复述生成旨在同一语言内将给定句子转换成语义一致表达不同的句子。目前,基于深度神经网络的复述生成模型的成功依赖于大规模的复述平行语料,当面向新的语言或新的领域时,模型性能急剧下降。面对这一困境,提出低资源的迭代式复述生成增... 详细信息

复述生成旨在同一语言内将给定句子转换成语义一致表达不同的句子。目前,基于深度神经网络的复述生成模型的成功依赖于大规模的复述平行语料,当面向新的语言或新的领域时,模型性能急剧下降。面对这一困境,提出低资源的迭代式复述生成增强方法,最大化利用单语语料和小规模复述平行语料迭代式训练复述生成模型并生成复述伪数据,以此增强模型性能。此外,提出了句子流畅性、语义相近性和表达多样性为基准设计的伪数据筛选算法,选取高质量的复述伪数据参与每轮模型的迭代训练。在公开数据集Quora上的实验结果表明,提出的方法仅利用30%的复述语料在语义和多样性指标上均超过了基线模型,验证了所提方法的有效性。

关键词：低资源迭代式复述生成数据增强筛选算法神经网络模型编码–解码框架注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于共享语义空间的多标签文本分类

引用

计算机工程与应用 2023年第12期59卷 100-105页

作者：孙坤秦博文桑基韬于剑北京交通大学计算机与信息技术学院北京100044

在多标签文本分类任务中,每个给定的文档都对应一组相关标签。目前主要面临以下三方面问题:(1)对标签-文本和标签-标签关系的联合建模不充分;(2)对标签本身语义的挖掘不足;(3)忽略了对标签内部结构信息的利用。对于以上问题,提出了一种... 详细信息

在多标签文本分类任务中,每个给定的文档都对应一组相关标签。目前主要面临以下三方面问题:(1)对标签-文本和标签-标签关系的联合建模不充分;(2)对标签本身语义的挖掘不足;(3)忽略了对标签内部结构信息的利用。对于以上问题,提出了一种基于联合注意力和共享语义空间的多标签文本分类方法。提出了融合多头注意力机制,该方法旨在同步地对标签与文档的关系和标签之间的关系进行建模,利用两者交互信息的同时避免误差传递。提出了解耦的共享语义空间嵌入方法,改进了利用标签语义信息的方法,使用共享参数的编码器提取标签和文档的语义表示,减少其在建模相关性阶段的偏差。提出了一种基于先验知识的层次提示方法,利用预训练模型中的先验知识增强标签层次结构信息。实验结果表明,该方法在公开数据集上优于目前最先进的多标签文本分类模型。

关键词：多标签文本分类注意力机制标签表示预训练模型语义嵌入

来源：评论

学校读者我要写书评

暂无评论

基于对抗式扩张卷积的多尺度人群密度估计

引用

中国图象图形学报 2019年第3期24卷 483-492页

作者：刘思琦郎丛妍冯松鹤北京交通大学计算机与信息技术学院北京100044

目的人群密度估计任务是通过对人群特征的提取和分析,估算出密度分布情况和人群计数结果。现有技术运用的CNN网络中的下采样操作会丢失部分人群信息,且平均融合方式会使多尺度效应平均化,该策略并不一定能得到准确的估计结果。为了解决... 详细信息

目的人群密度估计任务是通过对人群特征的提取和分析,估算出密度分布情况和人群计数结果。现有技术运用的CNN网络中的下采样操作会丢失部分人群信息,且平均融合方式会使多尺度效应平均化,该策略并不一定能得到准确的估计结果。为了解决上述问题,提出一种新的基于对抗式扩张卷积的多尺度人群密度估计模型。方法利用扩张卷积在不损失分辨率的情况下对输入图像进行特征提取,且不同的扩张系数可以聚集多尺度上下文信息。最后通过对抗式损失函数将网络中提取的不同尺度的特征信息以合作式的方式融合,得到准确的密度估计结果。结果在4个主要的人群计数数据集上进行对比实验。在测试阶段,将测试图像输入训练好的生成器网络,输出预测密度图;将密度图积分求和得到总人数,并以平均绝对误差(MAE)和均方误差(MSE)作为评价指标进行结果对比。其中,在Shanghai Tech数据集上Part_A的MAE和MSE分别降至60. 5和109. 7,Part_B的MAE和MSE分别降至10. 2和15. 3,提升效果明显。结论本文提出了一种新的基于对抗式扩张卷积的多尺度人群密度估计模型。实验结果表明,在人群分布差异较大的场景中构建的算法模型有较好的自适应性,能根据不同的场景提取特征估算密度分布,并对人群进行准确计数。

关键词：人群密度估计多尺度对抗式损失扩张卷积计算机视觉人群安全

来源：评论

学校读者我要写书评

暂无评论

基于超边相关性的图像分类方法

引用

模式识别与人工智能 2014年第2期27卷 120-126页

作者：徐杰景丽萍于剑北京交通大学计算机与信息技术学院北京100044

传统基于超图的图像分类方法在构建超图时并未考虑各超边之间的关系,导致最终分类效果不理想.文中结合图像视觉信息和标注信息量化超边间相关性,提出一种基于超边相关性的图像分类方法,有效地将图像相关的标注信息作为判定图像类别的指... 详细信息

传统基于超图的图像分类方法在构建超图时并未考虑各超边之间的关系,导致最终分类效果不理想.文中结合图像视觉信息和标注信息量化超边间相关性,提出一种基于超边相关性的图像分类方法,有效地将图像相关的标注信息作为判定图像类别的指标引入到图像分类中,进而对图像进行更准确的分类.在LabelMe和UIUC数据集上的实验验证该方法的有效性.

关键词：图像分类超图学习语义融合

来源：评论

学校读者我要写书评

暂无评论

涉密网络中的数据保护技术(英文)

引用

电子科技大学学报 2013年第1期42卷 144-148页

作者：陈勋韩臻刘吉强北京交通大学计算机与信息技术学院北京海淀区100044

提出了通过使用可信密码模块保护涉密数据的一种新的机制,该解决方案包括运行时的数据保护与静态文件数据保护,使用的关键技术是可信密码模块的密钥保护特性。给出了可信密码模块加解密的性能测试,以及弥补性能不足的解决方案。通过使... 详细信息

提出了通过使用可信密码模块保护涉密数据的一种新的机制,该解决方案包括运行时的数据保护与静态文件数据保护,使用的关键技术是可信密码模块的密钥保护特性。给出了可信密码模块加解密的性能测试,以及弥补性能不足的解决方案。通过使用可信密码模块的数据封装技术,提出了一个网络控制的实现方案,给出了网络控制的实验测试结果。

关键词：涉密网络数据封装网络安全可信密码模块

来源：评论

学校读者我要写书评

暂无评论

基于隐主题马尔科夫模型的多特征自动文摘

引用

北京大学学报（自然科学版） 2014年第1期50卷 187-193页

作者：刘江鸣徐金安张玉洁北京交通大学计算机与信息技术学院北京100044

基于隐主题马尔科夫模型,消除LDA主题模型的主题独立假设,使得文摘生成过程中充分利用文章的结构信息,并结合基于内容的多特征方法提高文摘质量。提出在不破坏文章结构的前提下,从单文档扩展到多文档的自动文摘策略,最终搭建完善的自动... 详细信息

基于隐主题马尔科夫模型,消除LDA主题模型的主题独立假设,使得文摘生成过程中充分利用文章的结构信息,并结合基于内容的多特征方法提高文摘质量。提出在不破坏文章结构的前提下,从单文档扩展到多文档的自动文摘策略,最终搭建完善的自动文摘系统。在DUC2007标准数据集上的实验证明了隐主题马尔科夫模型和文档特征的优越性,所实现的自动文摘系统ROUGE值有明显提高。

关键词：隐主题马尔科夫模型多特征多文档自动文摘

来源：评论

学校读者我要写书评

暂无评论

面向专利文献的汉语分词技术研究

引用

北京大学学报（自然科学版） 2013年第1期49卷 159-164页

作者：岳金媛徐金安张玉洁北京交通大学计算机与信息技术学院北京100044

针对专利文献专业术语多、领域广的特点,采用基于领域词典与统计相结合的方法探讨了专利文献的汉语分词问题。利用NC-value算法抽取专业术语,使用条件随机场模型(CRF)提高专业术语识别率,提高分词精度。实验结果表明,提出的方法在开放... 详细信息

针对专利文献专业术语多、领域广的特点,采用基于领域词典与统计相结合的方法探讨了专利文献的汉语分词问题。利用NC-value算法抽取专业术语,使用条件随机场模型(CRF)提高专业术语识别率,提高分词精度。实验结果表明,提出的方法在开放测试下分词的准确率为95.56%,召回率为96.18%,F值为95.87%,大大提高了专利文献的分词精度。

关键词：汉语分词条件随机场专业术语提取

来源：评论

学校读者我要写书评

暂无评论

使用子图推理实现知识图谱关系预测

引用

计算机科学与探索 2022年第8期16卷 1800-1808页

作者：于慧琳陈炜王琪高建伟万怀宇北京交通大学计算机与信息技术学院北京100044

知识图谱中的关系推理旨在从现有数据中识别和推断出新的关系,为许多下游任务提供知识服务。当前的许多研究工作主要将实体与关系映射到向量空间中或对实体之间的路径进行搜索来解决关系推理问题。这些方法都只考虑了单一路径或一阶信... 详细信息

知识图谱中的关系推理旨在从现有数据中识别和推断出新的关系,为许多下游任务提供知识服务。当前的许多研究工作主要将实体与关系映射到向量空间中或对实体之间的路径进行搜索来解决关系推理问题。这些方法都只考虑了单一路径或一阶信息对关系推理的影响,忽视了广泛存在于实体之间的更复杂的关系信息。提出了一种新颖的基于子图的知识图谱关系推理方法,结合表示学习与路径推理的优势,使用具有丰富信息的子图结构获取实体对的邻域结构信息,实现实体之间的关系预测。首先将实体对之间的路径扩展为子图,分别从实体层面和关系层面出发,构建节点子图和关系子图;再结合图嵌入表示与图神经网络计算子图的高阶特征,从而获得更丰富的实体关系特征;最后从子图高阶特征中获取实体对的邻域结构信息,实现实体之间的关系预测。实验结果表明,在两个基准数据集上,该方法优于现有的其他基于推理的关系预测方法。

关键词：知识图谱连接预测子图构建图神经网络

来源：评论

学校读者我要写书评

暂无评论

基于选择性模式的贝叶斯分类算法

引用

计算机研究与发展 2020年第8期57卷 1605-1616页

作者：鞠卓亚王志海北京交通大学计算机与信息技术学院北京100044 32178部队北京100012

分类问题是数据挖掘的一个重要研究课题.朴素贝叶斯分类器是分类问题中一种简单高效的分类学习技术.该分类器假定给定类标时属性之间相互条件独立,然而现实中属性之间往往具有一定的依赖关系."属性-值"序偶构成的模式在分类... 详细信息

分类问题是数据挖掘的一个重要研究课题.朴素贝叶斯分类器是分类问题中一种简单高效的分类学习技术.该分类器假定给定类标时属性之间相互条件独立,然而现实中属性之间往往具有一定的依赖关系."属性-值"序偶构成的模式在分类问题中具有关键作用,许多研究者利用这种特定模式构造分类器,而特定模式所包含的属性与其他属性之间的依赖关系,将对分类结果产生重要影响.通过对属性间的依赖关系进行深入研究,提出基于选择性模式的贝叶斯分类算法,既利用了基于贝叶斯网络分类器的优秀分类能力,又通过进一步分析模式中属性之间的依赖关系,削弱了属性条件独立假设的限制.实验证明:根据数据集特点,深入挖掘高区分能力的模式,合理构建属性之间的依赖关系,有助于提升分类精度.实验分析表明:与基准算法NB,AODE相比,提出的分类算法在10个数据集上的平均精度分别提升了1.65%和4.29%.

关键词：分类模式发现选择性模式依赖关系贝叶斯分类器

来源：评论

学校读者我要写书评

暂无评论

一种基于时间序列特征的可解释步态识别方法

引用

中国科学：信息科学 2020年第3期50卷 438-460页

作者：施沫寒王志海北京交通大学计算机与信息技术学院北京100044

步态特征识别是生物特征识别的一种,在大量实际场景中有广泛的应用.目前,基于深度学习的方法在步态识别任务中表现出较好的准确率.但是,在对机器学习的研究中,人们不仅希望得到精确的预测,还希望算法对识别结果进行解释,以便人们理解实... 详细信息

步态特征识别是生物特征识别的一种,在大量实际场景中有广泛的应用.目前,基于深度学习的方法在步态识别任务中表现出较好的准确率.但是,在对机器学习的研究中,人们不仅希望得到精确的预测,还希望算法对识别结果进行解释,以便人们理解实际问题中的关键.深度神经网络的黑盒属性使得解释其识别依据非常困难.在已有的步态识别文献中,关注可解释性的研究尚处于空白状态.另外,深度神经网络需要大量数据来学习模型参数,在问题规模较小时难以有效地在未见数据上泛化.本文探索了一种兼具准确性和可解释性的步态识别方法.将步态特征表示为多维时间序列,使用一种基于Shapelet的时间序列分类方法进行步态识别. Shapelet是时间序列中最具有辨别性的子序列,基于Shapelet的时间序列分类方法能够提供较好的可解释性,同时可以提供较高的准确率.我们在CASIA-B数据集上进行了实验,和几种较新的深度学习方法进行了比较.实验表明,本文提出的方法在较小规模的数据集上能够提供与深度神经网络接近的准确率.与此同时,还能详细具体地解释模型的决策依据,即哪些特征在视频哪几帧的表现对某个个体而言最具辨别性.

关键词：步态识别时间序列 Shapelet 随机森林可解释性

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：