检索结果-内蒙古大学图书馆

吉林大学学报（工学版） 2021年第1期51卷 278-284页

作者：魏晓辉孙冰怡崔佳旭吉林大学计算机科学与技术学院长春130012 吉林大学符号计算与知识工程教育部重点实验室长春130012

针对在基于事件的社交网络中,用户和其参加过的活动天然构成异质网络这一特点,提出了一个端到端的推荐算法,旨在使用异质网络的高阶连接性和非线性匹配关系,提高活动的推荐命中率。首先,通过图神经网络提取异质图的高阶连接信息对每个... 详细信息

针对在基于事件的社交网络中,用户和其参加过的活动天然构成异质网络这一特点,提出了一个端到端的推荐算法,旨在使用异质网络的高阶连接性和非线性匹配关系,提高活动的推荐命中率。首先,通过图神经网络提取异质图的高阶连接信息对每个节点的影响,更新节点的嵌入式表示;然后,将用户-活动的嵌入式表示输入到多层感知机中,得到基于当前嵌入式表示的匹配概率,反向传播更新模型参数;重复此过程,获得最终的匹配概率。实验结果表明:本文算法训练稳定;相较于已有方法,命中率提高10%以上,归一化折损累计增益提高约10%;相较于不考虑异质图的高阶连接性的情况,命中率和归一化折损累计增益均有提高。

关键词：计算机软件与理论推荐系统基于事件的社交网络异质图图神经网络

来源：评论

学校读者我要写书评

暂无评论

融合协同过滤的神经Bandits推荐算法

引用

吉林大学学报（理学版） 2024年第1期62卷 92-99页

作者：张婷婷欧阳丹彤孙成林白洪涛吉林大学计算机科学与技术学院长春130012 吉林大学符号计算与知识工程教育部重点实验室长春130012 吉林大学白求恩第一医院内分泌与代谢科长春130021

针对数据稀疏性和“冷启动”对协同过滤的限制以及现有的协同多臂老虎机算法不适用于非线性奖励函数的问题,提出一种融合协同过滤的神经Ba ndits推荐算法COEENet.首先,采用双神经网络结构学习预期奖励及潜在增益;其次,考虑邻居协同作用... 详细信息

针对数据稀疏性和“冷启动”对协同过滤的限制以及现有的协同多臂老虎机算法不适用于非线性奖励函数的问题,提出一种融合协同过滤的神经Ba ndits推荐算法COEENet.首先,采用双神经网络结构学习预期奖励及潜在增益;其次,考虑邻居协同作用;最后,构造决策器进行最终决策.实验结果表明,该方法在累积遗憾上优于4种基线算法,推荐效果较好.

关键词：协同过滤多臂老虎机算法推荐系统冷启动

来源：评论

学校读者我要写书评

暂无评论

融合近邻评论的GRU商品推荐模型

引用

数据分析与知识发现 2021年第3期5卷 78-87页

作者：冯勇刘洋徐红艳王嵘冰张永刚辽宁大学信息学院沈阳110036 吉林大学符号计算与知识工程教育部重点实验室长春130012

【目的】改进矩阵分解算法,融合近邻评论缓解评论稀疏,提高推荐准确性。【方法】应用多层感知机改进矩阵分解算法以得到用户和商品的深层非线性特征;处理评论集并深度融合近邻特征与用户特征,表征更符合用户偏好的特征;基于所得特征预... 详细信息

【目的】改进矩阵分解算法,融合近邻评论缓解评论稀疏,提高推荐准确性。【方法】应用多层感知机改进矩阵分解算法以得到用户和商品的深层非线性特征;处理评论集并深度融合近邻特征与用户特征,表征更符合用户偏好的特征;基于所得特征预测评分进行推荐。【结果】在亚马逊数据集上与其他深度模型进行对比实验,在准确率、召回率、归一化折损累计增益指标上最多可提升8.3%、22.8%、14.9%。【局限】未考虑用户给出评论的时间因素,并且忽略可能存在虚假评论的情况。【结论】改进的矩阵分解算法和融合近邻评论的方法可以有效提升推荐的准确性。

关键词：推荐模型评分评论稀疏性深度学习

来源：评论

学校读者我要写书评

暂无评论

基于信息熵函数的启发式贝叶斯因果推理

引用

计算机学报 2021年第10期44卷 2135-2147页

作者：刘洋王利民孙铭会吉林大学计算机科学与技术学院长春130012 吉林大学符号计算与知识工程教育部重点实验室长春130012

贝叶斯网络分类器(BNC)由于其优越的分类性能和可解释性在数据挖掘和人工智能等领域有着广泛的应用.信息论为其迅速发展奠定了坚实的数学理论基础,例如条件互信息被用来度量BNC拓扑结构中属性间的条件依赖关系.然而,贝叶斯网络又被称为... 详细信息

贝叶斯网络分类器(BNC)由于其优越的分类性能和可解释性在数据挖掘和人工智能等领域有着广泛的应用.信息论为其迅速发展奠定了坚实的数学理论基础,例如条件互信息被用来度量BNC拓扑结构中属性间的条件依赖关系.然而,贝叶斯网络又被称为因果网络,但目前人工智能等领域中有关贝叶斯网络因果关系的研究是一个很有争议性的课题.属性间因果性的定义远比相关性的定义复杂微妙很多.而条件互信息可能不适用于度量BNC整体拓扑结构对数据的拟合性,并且其表达式的对称性决定了其只能描述属性之间的无向相关性,而非有向因果性.本文从信息熵的角度对贝叶斯网络中的因果关系进行了探索性的研究,首先基于对似然函数定义了联合熵函数与贝叶斯网络拓扑结构中联合概率分布的映射关系,然后在此基础上提出了类条件熵和局部条件熵函数来识别拓扑结构中属性间的因果关系.最后提出了一种基于类标签驱动的启发式结构学习方法来构建可以兼顾有标签数据拟合和无标签数据泛化的BNC(记为HBN).对美国加州大学欧文分校(UCI)机器学习数据库中35个数据集的实验评估表明,本文所提出算法与其它算法相比在分类性能上具有显著优势,例如HBN在0-1损失函数上明显优于CFWNB(17优5劣)、SKDB(14优5劣)、AIWNB(17优7劣);在偏差上HBN与CFWNB相比26优6劣,与SKDB相比10优5劣,与WAODE相比15优7劣,与RF相比29优4劣,与AIWNB相比22优6劣.由于CFWNB、WAODE、AIWNB没有结构学习过程,其拓扑结构不受训练数据扰动的影响.这三种算法的方差显著低于其它算法.而HBN的局部拓扑结构能充分体现测试实例中隐含的因果关系,在一定程度上减轻训练数据过拟合带来的负面影响.因此,与SKDB和RF相比,HBN的方差结果均明显占优(20优9劣,26优3劣).与其他算法相比,HBN的0-1损失函数和偏差结果分别平均提高了6.06%和12.65%.与SKDB和RF相比,HBN的方差结果平均提高了16.49%.HBN为不确定性知识表示和推理提供了一种有效且可行的方法.

关键词：贝叶斯网络分类器对数似然函数联合熵条件熵交叉熵

来源：评论

学校读者我要写书评

暂无评论

引入激活扩散的类分布关系近邻分类器

引用

吉林大学学报（理学版） 2024年第4期62卷 915-922页

作者：董飒欧阳若川徐海啸刘杰刘大有李婷婷王鑫禄吉林大学计算机科学与技术学院长春130012 吉林大学符号计算与知识工程教育部重点实验室长春130012 吉林大学党委教师工作部长春130012 吉林大学国际教育学院长春130012

针对同质性关系分类器基于一阶Markov假设简化处理的局限性,在类分布关系近邻分类器构建类向量和参考向量时,引入局部图排序激活扩散方法,并结合松弛标注的协作推理方法,通过适当扩大分类时邻居节点的范围增加网络数据中待分类节点的同... 详细信息

针对同质性关系分类器基于一阶Markov假设简化处理的局限性,在类分布关系近邻分类器构建类向量和参考向量时,引入局部图排序激活扩散方法,并结合松弛标注的协作推理方法,通过适当扩大分类时邻居节点的范围增加网络数据中待分类节点的同质性,从而降低分类错误率.对比实验结果表明,该方法扩大了待分类节点的邻域,在网络数据上分类精度较好.

关键词：人工智能网络数据分类激活扩散类分布关系近邻分类器协作推理

来源：评论

学校读者我要写书评

暂无评论

结合格局检测与局部搜索的故障数据缩减方法

引用

吉林大学学报（工学版） 2021年第6期51卷 2144-2153页

作者：欧阳丹彤张必歌田乃予张立明吉林大学计算机科学与技术学院长春130012 吉林大学符号计算与知识工程教育部重点实验室长春130012

针对集成电路故障诊断中故障数据缩减方法 N-cover存在冗余故障数据的问题,提出了结合格局检测与局部搜索的故障数据缩减方法。通过分析故障数据与端口覆盖次数的逻辑关系,提出了故障频率和故障覆盖度的概念以指导局部搜索。同时,结合... 详细信息

针对集成电路故障诊断中故障数据缩减方法 N-cover存在冗余故障数据的问题,提出了结合格局检测与局部搜索的故障数据缩减方法。通过分析故障数据与端口覆盖次数的逻辑关系,提出了故障频率和故障覆盖度的概念以指导局部搜索。同时,结合格局检测策略以避免重复搜索,进而通过减少冗余迭代来增加搜索广度。在标准测试用例上的实验结果表明,与现有方法相比,本文方法可有效缩减故障数据数目并提高求解效率。

关键词：人工智能故障诊断电路测试故障数据局部搜索格局检测

来源：评论

学校读者我要写书评

暂无评论

基于双注意力擦除和注意力信息聚合的弱监督目标检测

引用

计算机工程 2023年第3期49卷 113-120,127页

作者：宋鹏鹏龚声蓉钟珊周立凡凤黄浩苏州大学计算机科学与技术学院江苏苏州215000 常熟理工学院计算机科学与工程学院江苏苏州215000 吉林大学符号计算与知识工程教育部重点实验室长春130000

现有的弱监督检测方法主要采用多示例检测网络,但在这些方法中应用分类特征提取网络易使目标尤其是非刚性目标的检测结果收敛到目标最显著局部区域。提出一种基于双注意力擦除和注意力信息聚合的端到端的弱监督检测框架DAENet。双注意... 详细信息

现有的弱监督检测方法主要采用多示例检测网络,但在这些方法中应用分类特征提取网络易使目标尤其是非刚性目标的检测结果收敛到目标最显著局部区域。提出一种基于双注意力擦除和注意力信息聚合的端到端的弱监督检测框架DAENet。双注意力擦除模块的目的在于擦除生成的最显著性局部前景区域和部分背景区域,以此来扩展目标显著性区域,使网络能够尽可能地关注目标整体,从而更好地捕获目标整体区域。此外,为准确定位不同目标区域并精确生成注意力擦除掩码,提出注意力信息聚合模块,该模块可提取通道的全局特征和局部特征,并引入空间依赖性进一步提高检测精度。通过将双注意力擦除和注意力信息聚合进行协同工作,从而更好地提高弱监督检测性能。在PASCAL VOC 2007和VOC 2012数据集上的实验结果表明,DAENet框架在两个数据集上的检测精度分别达到50.5%和47.4%,相比基准模型,在部分非刚性目标上的检测精度提高了约5%~20%。

关键词：弱监督目标检测擦除策略注意力机制非刚性目标深度学习

来源：评论

学校读者我要写书评

暂无评论

基于正向软标签的轻量级关系抽取

引用

吉林大学学报（理学版） 2023年第2期61卷 317-324页

作者：宋函宇欧阳丹彤叶育鑫吉林大学计算机科学与技术学院长春130012 一汽-大众汽车有限公司长春130011 吉林大学符号计算与知识工程教育部重点实验室长春130012

针对关系抽取模型规模越来越大、耗时越来越长的问题,提出一种知识筛选机制,利用筛选出的正向软标签构造轻量级关系抽取模型.首先,利用知识蒸馏提取出知识并将其存储在软标签中,为避免知识蒸馏中教师与学生间差距大导致的知识难吸收问题... 详细信息

针对关系抽取模型规模越来越大、耗时越来越长的问题,提出一种知识筛选机制,利用筛选出的正向软标签构造轻量级关系抽取模型.首先,利用知识蒸馏提取出知识并将其存储在软标签中,为避免知识蒸馏中教师与学生间差距大导致的知识难吸收问题,使用教师助手知识蒸馏模式;其次,使用标签的余弦相似度筛选出正向软标签,在每步蒸馏中都动态赋予正向软标签更高的权重,以此削弱知识传递中错误标签导致的影响.在数据集SemEval-2010 Task 8上的实验结果表明,该模型不仅能完成轻量化关系抽取任务,还能提升抽取精度.

关键词：轻量级关系抽取知识筛选正向软标签知识蒸馏余弦相似度

来源：评论

学校读者我要写书评

暂无评论

分布式机器学习作业性能干扰分析与预测

引用

计算机应用 2022年第6期42卷 1649-1655页

作者：李洪亮张弄孙婷李想吉林大学计算机科学与技术学院长春130012 符号计算与知识工程教育部重点实验室(吉林大学) 长春130012

通过分析分布式机器学习中作业性能干扰的问题,发现性能干扰是由于内存过载、带宽竞争等GPU资源分配不均导致的,为此设计并实现了快速预测作业间性能干扰的机制,该预测机制能够根据给定的GPU参数和作业类型自适应地预测作业干扰程度。首... 详细信息

通过分析分布式机器学习中作业性能干扰的问题,发现性能干扰是由于内存过载、带宽竞争等GPU资源分配不均导致的,为此设计并实现了快速预测作业间性能干扰的机制,该预测机制能够根据给定的GPU参数和作业类型自适应地预测作业干扰程度。首先,通过实验获取分布式机器学习作业运行时的GPU参数和干扰率,并分析出各类参数对性能干扰的影响;其次,依托多种预测技术建立GPU参数-干扰率模型进行作业干扰率误差分析;最后,建立自适应的作业干扰率预测算法,面向给定的设备环境和作业集合自动选择误差最小的预测模型,快速、准确地预测作业干扰率。选取5种常用的神经网络作业,在两种GPU设备上设计实验并进行结果分析。结果显示,所提出的自适应干扰预测(AIP)机制能够在不提供任何预先假设信息的前提下快速完成预测模型的选择和性能干扰预测,耗时在300 s以内,预测干扰率误差在2%~13%,可应用于作业调度和负载均衡等场景。

关键词：分布式机器学习性能干扰集群调度资源共享干扰预测

来源：评论

学校读者我要写书评

暂无评论

采用分类经验回放的深度确定性策略梯度方法

引用

自动化学报 2022年第7期48卷 1816-1823页

作者：时圣苗刘全苏州大学计算机科学与技术学院苏州215006 苏州大学江苏省计算机信息处理技术重点实验室苏州215006 吉林大学符号计算与知识工程教育部重点实验室长春130012 软件新技术与产业化协同创新中心南京210000

深度确定性策略梯度(Deep deterministic policy gradient,DDPG)方法在连续控制任务中取得了良好的性能表现.为进一步提高深度确定性策略梯度方法中经验回放机制的效率,提出分类经验回放方法,并采用两种方式对经验样本分类:基于时序差... 详细信息

深度确定性策略梯度(Deep deterministic policy gradient,DDPG)方法在连续控制任务中取得了良好的性能表现.为进一步提高深度确定性策略梯度方法中经验回放机制的效率,提出分类经验回放方法,并采用两种方式对经验样本分类:基于时序差分误差样本分类的深度确定性策略梯度方法(DDPG with temporal difference-error classification,TDCDDPG)和基于立即奖赏样本分类的深度确定性策略梯度方法(DDPG with reward classification,RC-DDPG).在TDCDDPG和RC-DDPG方法中,分别使用两个经验缓冲池,对产生的经验样本按照重要性程度分类存储,网络模型训练时通过选取较多重要性程度高的样本加快模型学习.在连续控制任务中对分类经验回放方法进行测试,实验结果表明,与随机选取经验样本的深度确定性策略梯度方法相比,TDC-DDPG和RC-DDPG方法具有更好的性能.

关键词：连续控制任务深度确定性策略梯度经验回放分类经验回放

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：