检索结果-内蒙古大学图书馆

数据分析与知识发现 2022年第5期6卷 54-63页

作者：潘慧萍李宝安张乐吕学强北京信息科技大学网络文化与数字传播北京市重点实验室北京100101

【目的】通过融合BERT词向量、五笔特征、领域同义词表信息以及字频特征于BiLSTM-CRF模型,实现对政府工作报告语料集的关键词自动提取。【方法】利用BERT向量和五笔向量捕捉输入序列的语义特征和字形特征,通过融合针对政府工作报告所构... 详细信息

【目的】通过融合BERT词向量、五笔特征、领域同义词表信息以及字频特征于BiLSTM-CRF模型,实现对政府工作报告语料集的关键词自动提取。【方法】利用BERT向量和五笔向量捕捉输入序列的语义特征和字形特征,通过融合针对政府工作报告所构建的领域同义词表,捕捉输入序列的类别特征,并进一步将字频特征作为权重值赋值于词向量捕捉输入序列上下文特征,使BiLSTM-CRF模型捕捉到更多的语义信息,实现对政府工作报告的关键词自动提取。【结果】基于多特征融合的关键词提取方法,在自建的政府工作报告语料库上,准确率、召回率和F1值分别达到86.14%、91.56%以及88.42%。此外,通过消融实验评估了方法中各特征的有效性。【局限】模型针对政府工作报告领域取得了较好的结果,在之后的工作中需要提高模型的泛化能力。【结论】基于多特征融合的关键词提取方法与其他关键词提取基线方法相比,具有更好的提取效果。

关键词：提取政府工作报告 BERT 五笔字频

来源：评论

学校读者我要写书评

暂无评论

CNN-SM:基于义原与多特征融合的消费品领域缺陷词识别模型

引用

数据分析与知识发现 2022年第9期6卷 77-85页

作者：游新冬袁梦龙张乐吕学强北京信息科技大学网络文化与数字传播北京市重点实验室北京100101

【目的】针对消费品领域中缺陷词识别任务精度不足的问题,提出基于义原与多特征融合的消费品领域缺陷词识别模型。【方法】模型输入为融合义原信息的分布式词向量,在此基础上添加词性特征和经过随机嵌入的词位置向量,以增添词向量所包... 详细信息

【目的】针对消费品领域中缺陷词识别任务精度不足的问题,提出基于义原与多特征融合的消费品领域缺陷词识别模型。【方法】模型输入为融合义原信息的分布式词向量,在此基础上添加词性特征和经过随机嵌入的词位置向量,以增添词向量所包含的信息;在卷积神经网络上去除了最大池化,增加卷积核输出的深度向量所包含的信息,为单词分类提供更充分的信息。【结果】实验结果表明,所提模型相较于仅添加词位置向量的卷积神经网络模型,在精确率、召回率和F1值上分别有0.021、0.002和0.012的提升。【局限】不同场景下的相同表述的极性识别不足。【结论】通过消融实验证明,义原、词性以及去除池化层有助于领域词识别模型性能的提升。

关键词：消费品领域词义原词向量卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

STNLTP:一种基于集成策略的中文专利摘要生成模型

引用

数据分析与知识发现 2022年第7期6卷 107-117页

作者：张乐杜一凡吕学强董志安北京信息科技大学网络文化与数字传播北京市重点实验室北京100101

【目的】提出一种基于集成策略的中文专利摘要生成模型(STNLTP),以改善现有的自动文本摘要技术在处理长文档摘要生成时存在的生成重复问题和长程依赖问题。【方法】引入专利术语词典,运用基于SAT模型的义原词向量对“中药材”专利文本... 详细信息

【目的】提出一种基于集成策略的中文专利摘要生成模型(STNLTP),以改善现有的自动文本摘要技术在处理长文档摘要生成时存在的生成重复问题和长程依赖问题。【方法】引入专利术语词典,运用基于SAT模型的义原词向量对“中药材”专利文本进行表示。基于集成策略,运用TextRank、Lead4和NMF三种抽取方法抽取专利说明书文本的关键句,经过聚类并去重,选出最优关键句。最后最优关键句通过基于Transformer字向量的指针生成网络得到最终的生成摘要。【结果】STNLTP模型实现了抽取式和生成式方法的结合,相较于对比模型RLCPAR,在ROUGE-1、ROUGE-2和ROUGE-L评价指标上分别提升2.00、9.73和2.35个百分点。【局限】生成摘要的部分结果存在一些常识性错误。【结论】STNLTP模型优于对比模型,可以改善中文专利摘要生成的效果。

关键词：专利摘要义原词向量字向量指针生成网络

来源：评论

学校读者我要写书评

暂无评论

一种工件表面压印字符识别网络

引用

吉林大学学报（工学版） 2024年第7期54卷 2072-2079页

作者：游新冬郭磊韩晶吕学强北京信息科技大学网络文化与数字传播北京市重点实验室北京100101

工件表面的压印字符存在凹凸不平、锈蚀、风化等问题,导致传统的字符识别算法难以取得满意的效果。针对这一问题,将工件表面压印字符的识别视为一类特殊的目标检测问题,并针对其特性设计了一种两阶段识别网络:定位-分类网络。定位网络... 详细信息

工件表面的压印字符存在凹凸不平、锈蚀、风化等问题,导致传统的字符识别算法难以取得满意的效果。针对这一问题,将工件表面压印字符的识别视为一类特殊的目标检测问题,并针对其特性设计了一种两阶段识别网络:定位-分类网络。定位网络使用无锚框的方法提取字符感兴趣区域,有效解决了字符区域提取困难的问题。分类网络采用特征解耦的卷积模块和结构重参数化技术,能够在不增加额外参数的情况下提升分类的准确率。此外,分类网络采用跨域迁移学习的训练策略,能够有效解决实际应用中的小样本和类别不平衡问题。在自建螺栓数据集和SynthText数据集上的实验结果表明,该算法的整体精度能够达到98%和92%,优于对比算法。

关键词：压印字符字符识别无锚框小样本目标检测

来源：评论

学校读者我要写书评

暂无评论

基于分层矢量量化的低照度航拍图像增强

引用

北京信息科技大学学报(自然科学版) 2025年第1期40卷 1-10页

作者：刘梦可吕学强韩晶滕尚志北京信息科技大学机电系统测控北京市重点实验室北京100192 北京信息科技大学网络文化与数字传播北京市重点实验室北京100192

由于低照度航拍图像增强任务的复杂性和病态特性,传统基于直方图的方法和基于Retinex的方法难以实现对图像的精确处理。为此,提出了一种基于分层矢量量化生成对抗网络(hierarchical vector quantization generative adversarial network... 详细信息

由于低照度航拍图像增强任务的复杂性和病态特性,传统基于直方图的方法和基于Retinex的方法难以实现对图像的精确处理。为此,提出了一种基于分层矢量量化生成对抗网络(hierarchical vector quantization generative adversarial network,HVQGAN)的低照度航拍图像增强方法。首先,通过分层矢量量化从正常光图像中推导出码本先验,并引入双照度感知模块解决图像递归性和照度不均问题。同时,嵌入金字塔归一化流模块,以确保低照度特征与正常光图像的潜在表示精确对齐。此外,设计自适应特征融合模块,在解码过程中保留先前码本提供的真实细节,进一步提高保真度。实验结果表明,所提方法在多个数据集上的视觉质量和量化指标实现了显著增强。

关键词：航拍图像增强分层矢量量化码本先验双照度感知金字塔归一化流

来源：评论

学校读者我要写书评

暂无评论

基于多模态特征与增强对齐的细粒度图像分类

引用

北京邮电大学学报 2024年第4期47卷 130-135页

作者：韩晶张天鹏吕学强北京信息科技大学网络文化与数字传播北京市重点实验室北京100101

针对现有模型在多模态信息处理过程中存在特征提取不足、信息交互不充分等问题,提出基于多模态特征增强对齐的细粒度图像分类模型。首先,提出层次特征自适应融合模块,以实现多模态特征的多层次自适应融合,从而充分利用卷积中间层的特征... 详细信息

针对现有模型在多模态信息处理过程中存在特征提取不足、信息交互不充分等问题,提出基于多模态特征增强对齐的细粒度图像分类模型。首先,提出层次特征自适应融合模块,以实现多模态特征的多层次自适应融合,从而充分利用卷积中间层的特征信息,增强模型对图像局部细节的感知能力。其次,为提高多模态特征之间的交互维度,提出增强对齐特征融合模块,以充分挖掘不同模态之间的映射关系。实验结果表明,所提模型在多个数据集上均取得了良好的识别效果,优于以往多模态特征融合的模型。同时,消融实验结果表明,2个模块单独使用的效果均优于原模型,进一步验证了所提模型的有效性。

关键词：深度学习细粒度图像分类多模态自适应特征融合注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于视觉语言提示学习的少样本图像分类方法

引用

北京邮电大学学报 2024年第2期47卷 11-17页

作者：李宝安王欣宇滕尚志吕学强北京信息科技大学网络文化与数字传播北京市重点实验室北京100101

为了提高少样本图像分类的性能和泛化能力,充分利用大规模视觉语言预训练模型,提出了一种高效处理少样本图像分类问题的方法。首先,在文本编码部分,整合多个可学习的文本提示,充分挖掘图像类别标签在提示语句中不同位置对模型泛化性能... 详细信息

为了提高少样本图像分类的性能和泛化能力,充分利用大规模视觉语言预训练模型,提出了一种高效处理少样本图像分类问题的方法。首先,在文本编码部分,整合多个可学习的文本提示,充分挖掘图像类别标签在提示语句中不同位置对模型泛化性能的影响;其次,在图像编码部分,引入可学习的视觉提示,使图像预训练参数能更好地表征少样本图像;最后,在图像和文本特征编码器后添加特征适配器,并在图像分类数据集上微调网络,以提升网络在少样本图像分类数据集上的性能。在10个公开数据集上进行了大量实验,结果表明,相较于现有方法,所提方法在单样本分类的平均准确度上提高了2.9%。

关键词：提示学习视觉语言模型少样本学习图像分类预训练模型

来源：评论

学校读者我要写书评

暂无评论

位置社交网络的个性化位置推荐

引用

北京邮电大学学报 2015年第5期38卷 118-124页

作者：徐雅斌孙晓晨北京信息科技大学计算机学院北京100101 北京信息科技大学网络文化与数字传播北京市重点实验室北京100101

为了有效改善位置社交网络的用户体验,提出了一种个性化位置推荐服务模型.综合考虑了用户的签到行为特点、用户特征及位置兴趣点的语义特征,并将蚁群算法与改进的混合协同过滤算法有效结合起来进行个性化位置推荐,以此提高个性化位置推... 详细信息

为了有效改善位置社交网络的用户体验,提出了一种个性化位置推荐服务模型.综合考虑了用户的签到行为特点、用户特征及位置兴趣点的语义特征,并将蚁群算法与改进的混合协同过滤算法有效结合起来进行个性化位置推荐,以此提高个性化位置推荐的质量和效率.实验结果表明,提出的位置推荐模型的召回率、准确率和平均绝对误差值都明显优于已有方法.

关键词：位置社交网络个性化位置推荐位置服务协同过滤算法

来源：评论

学校读者我要写书评

暂无评论

随机移动模型下移动自组网无序传输端到端延迟闭解分析

引用

电子与信息学报 2014年第1期36卷 34-40页

作者：王晓菲蔡英李卓北京信息科技大学计算机学院北京100101 北京信息科技大学网络文化与数字传播研究北京市重点实验室北京100101

针对移动自组网端到端延迟在封闭形式分析方面的局限性,该文提出一种有效的针对无序传输,单副本两跳中继算法的网络延迟建模方案,并给出其严格的理论延迟上界。首先针对多种随机移动模型,证明了移动节点的相遇间隔时间可归纳为统一表达... 详细信息

针对移动自组网端到端延迟在封闭形式分析方面的局限性,该文提出一种有效的针对无序传输,单副本两跳中继算法的网络延迟建模方案,并给出其严格的理论延迟上界。首先针对多种随机移动模型,证明了移动节点的相遇间隔时间可归纳为统一表达式。然后,综合分析了媒介竞争、流量竞争、排队延迟等问题,合理划分并精确求解出了各延迟关键时间段,从而构造了数据包排队服务模型。最后推导出移动自组网端到端延迟的封闭形式理论上界。仿真结果表明,该理论延迟与实验数据紧密吻合。

关键词：移动自组网端到端延迟随机移动模型无序传输排队服务模型

来源：评论

学校读者我要写书评

暂无评论

IMTS:融合图像与文本语义的虚假评论检测方法

引用

数据分析与知识发现 2022年第8期6卷 84-96页

作者：施运梅袁博张乐吕学强北京信息科技大学网络文化与数字传播北京市重点实验室北京100101 北京信息科技大学计算机学院北京100101

【目的】针对网络“水军”发布的虚假评论信息在电商网站泛滥的问题,集成了一种面向中文电商网站评论的融合图像信息与文本语义的虚假评论检测方法(IMTS)。【方法】IMTS方法使用文本卷积神经网络及BERT预训练模型分别对文本评论信息进... 详细信息

【目的】针对网络“水军”发布的虚假评论信息在电商网站泛滥的问题,集成了一种面向中文电商网站评论的融合图像信息与文本语义的虚假评论检测方法(IMTS)。【方法】IMTS方法使用文本卷积神经网络及BERT预训练模型分别对文本评论信息进行特征提取,并得到对应的特征向量。再融入评论者特征,通过拼接评论文本语义与评论者ID的输出特征,进一步加强模型对整体语义信息的捕捉。将用户在评论中发布的图片利用残差网络进行特征抽取,获得对应的视觉特征,最后将文本特征与视觉特征进行多模态融合,检测虚假评论。【结果】IMTS方法在自建的多模态中文虚假评论数据集上,达到0.9636的准确率、0.9635的召回率以及0.9635的F1值。【局限】限于计算能力,本文数据集规模较小,且在文本处理阶段使用了BERT预训练模型,在大规模的数据计算情况下,时间成本较高。【结论】运用多模态思想以及特征融合方法对虚假评论文本进行特征补充从而检测虚假评论是有效的,此方法可以有效提升虚假评论整体的检测精度。

关键词：虚假评论多模态文本图像 BERT

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：