检索结果-内蒙古大学图书馆

软件学报 2021年第4期32卷 1082-1115页

作者：王乃钰叶育鑫刘露凤丽洲包铁彭涛吉林大学计算机科学与技术学院吉林长春130012 吉林大学软件学院吉林长春130012 符号计算与知识工程教育部重点实验室(吉林大学) 吉林长春130012 Department of Computer Science University of Illinois at ChicagoChicago 60607USA

语言模型旨在对语言的内隐知识进行表示,作为自然语言处理的基本问题,一直广受关注.基于深度学习的语言模型是目前自然语言处理领域的研究热点,通过预训练-微调技术展现了内在强大的表示能力,并能够大幅提升下游任务性能.围绕语言模型... 详细信息

语言模型旨在对语言的内隐知识进行表示,作为自然语言处理的基本问题,一直广受关注.基于深度学习的语言模型是目前自然语言处理领域的研究热点,通过预训练-微调技术展现了内在强大的表示能力,并能够大幅提升下游任务性能.围绕语言模型基本原理和不同应用方向,以神经概率语言模型与预训练语言模型作为深度学习与自然语言处理结合的切入点,从语言模型的基本概念和理论出发,介绍了神经概率与预训练模型的应用情况和当前面临的挑战,对现有神经概率、预训练语言模型及方法进行了对比和分析.同时又从新型训练任务和改进网络结构两方面对预训练语言模型训练方法进行了详细阐述,并对目前预训练模型在规模压缩、知识融合、多模态和跨语言等研究方向进行了概述和评价.最后总结了语言模型在当前自然语言处理应用中的瓶颈,对未来可能的研究重点做出展望.

关键词：语言模型预训练深度学习自然语言处理神经语言模型

来源：评论

学校读者我要写书评

暂无评论

精细拓扑结构表示与深度特征融合在多目标图像检索中的应用

引用

重庆大学学报 2021年第3期44卷 132-143页

作者：刘东王生生湘南学院软件与通信工程学院郴州423300 吉林大学符号计算与知识工程教育部重点实验室长春130012 吉林大学计算机科学与技术学院长春130012

空间信息表示是增强图像特征表达性能的重要手段,通过空间关系建模与深度学习方法融合可有效提升深度特征的语义特性,从而提升图像检索性能。首先,针对复杂图像的空间关系表示提出了一种新的精细拓扑结构表示模型,该模型不仅具有完备的... 详细信息

空间信息表示是增强图像特征表达性能的重要手段,通过空间关系建模与深度学习方法融合可有效提升深度特征的语义特性,从而提升图像检索性能。首先,针对复杂图像的空间关系表示提出了一种新的精细拓扑结构表示模型,该模型不仅具有完备的拓扑描述性能,还提供了两种拓扑不变量的推理算法,使得拓扑不变量可以由表示模型直接推导而不需要繁复的几何计算;其次,基于精细拓扑结构表示模型,提出了有效的拓扑结构相似性度量方法,为空间关系特征表达奠定了基础;最后,进一步结合卷积神经网络,提出融合复杂空间关系特征与深度特征的多目标图像检索方法。实验结果表明,所提出的拓扑结构表示模型在空间查询中具有良好的性能;所提出的图像检索框架取得优于现有方法的精度,并能够有效地结合手工特征与深度特征各自的优势,为提升深度学习方法的可解释性创造了有利条件。

关键词：拓扑深度学习图像检索特征提取特征融合

来源：评论

学校读者我要写书评

暂无评论

人工智能在高校实验室的管理应用和创新

引用

中文科技期刊数据库（全文版）教育科学 2023年第4期 189-192页

作者：李婷婷常玥邵斐吉林大学计算机科学与技术学院吉林长春130012 符号计算与知识工程教育部重点实验室吉林长春130012

高校实验室安全和设备管理、数据采集和分析、科研团队协作和资源共享是实验室运作中非常关键的方面。这些方面的优化和改进可以帮助实验室更高效地运作,提高科研成果的质量和数量。同时,通过创新性的应用和开发,人工智能技术也可以在... 详细信息

高校实验室安全和设备管理、数据采集和分析、科研团队协作和资源共享是实验室运作中非常关键的方面。这些方面的优化和改进可以帮助实验室更高效地运作,提高科研成果的质量和数量。同时,通过创新性的应用和开发,人工智能技术也可以在实验室中得到更广泛的应用和发展。这些应用和创新可以进一步推动人工智能技术的发展和应用,同时也能够为实验室提供更多的机会和挑战,促进实验室的发展和成长。

关键词：人工智能高校实验室数据创新效率提高

来源：评论

学校读者我要写书评

暂无评论

基于空间自适应和混合损失对抗网络的乳腺肿块图像分割方法

引用

云南大学学报（自然科学版） 2022年第2期44卷 271-280页

作者：刘东陈境宇王生生湘南学院医学影像人工智能湖南省重点实验室湖南郴州423300 湘南学院计算机与人工智能学院湖南郴州423300 吉林大学符号计算与知识工程教育部重点实验室吉林长春130012 吉林大学计算机科学与技术学院吉林长春130012

在乳腺癌筛查的计算机辅助诊断过程中,乳腺肿块的精确分割至关重要.然而,乳腺肿块在X光成像中与背景灰度接近、形状不规则,使得精确分割面临很大挑战.为进一步提升分割性能,提出一种基于空间自适应和混合损失对抗网络的乳腺肿块分割新方... 详细信息

在乳腺癌筛查的计算机辅助诊断过程中,乳腺肿块的精确分割至关重要.然而,乳腺肿块在X光成像中与背景灰度接近、形状不规则,使得精确分割面临很大挑战.为进一步提升分割性能,提出一种基于空间自适应和混合损失对抗网络的乳腺肿块分割新方法.首先,提出可分离卷积U-Net模型作为对抗网络中的生成器,以减少参数量和计算量;然后,在判别网络中添加空间自适应归一化层来获取分割掩码中蕴含的语义信息;最后,综合考虑类别不平衡、语义一致性等因素的影响,提出一种融合对抗损失、分割损失和感知损失的混合损失函数以提升模型学习效果.实验结果表明,新方法在INbreast和CBIS-DDSM两个乳腺分割公开数据集中分别取得99.35%和99.72%的准确率,以及81.27%和82.01%的集合相似度,获得优于现有方法的分割性能.

关键词：乳腺肿块分割 U-Net模型深度学习生成对抗网络医学辅助诊断

来源：评论

学校读者我要写书评

暂无评论

基于时间关系的Bi-LSTM+GCN因果关系抽取

引用

吉林大学学报（理学版） 2021年第3期59卷 643-648页

作者：郑余祥左祥麟左万利梁世宁王英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

针对传统时间关系只应用在机器学习方向关系抽取的问题,提出一种基于序列标注实体识别的关系抽取方法.先构建双向长短期记忆网络(Bi-LSTM)模型进行特征提取,再输入时间关系作为特征矩阵进行图卷积.实验结果表明:时间关系能提高因果关系... 详细信息

针对传统时间关系只应用在机器学习方向关系抽取的问题,提出一种基于序列标注实体识别的关系抽取方法.先构建双向长短期记忆网络(Bi-LSTM)模型进行特征提取,再输入时间关系作为特征矩阵进行图卷积.实验结果表明:时间关系能提高因果关系抽取效果,并且包含时间关系的Bi-LSTM+GCN模型能有效抽取因果事件;带有时间关系的Bi-LSTM+GCN模型获得因果关系的抽取结果优于传统方法因果关系的抽取结果.

关键词：因果关系抽取时间关系序列标注图卷积双向长短期记忆网络(Bi-LSTM)

来源：评论

学校读者我要写书评

暂无评论

基于BERT的因果关系抽取

引用

吉林大学学报（理学版） 2021年第6期59卷 1439-1444页

作者：姜博左万利王英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

针对传统关系抽取模型依赖特征工程等机器学习方法,存在准确率较低且规则较繁琐等问题,提出一种BERT+BiLSTM+CRF方法.首先使用BERT(bidirectional encoder representations from transformers)对语料进行预训练;然后利用BERT根据上下文... 详细信息

针对传统关系抽取模型依赖特征工程等机器学习方法,存在准确率较低且规则较繁琐等问题,提出一种BERT+BiLSTM+CRF方法.首先使用BERT(bidirectional encoder representations from transformers)对语料进行预训练;然后利用BERT根据上下文特征动态生成词向量的特点,将生成的词向量通过双向长短期记忆网络(BiLSTM)编码;最后输入到条件随机场(CRF)层完成对因果关系的抽取.实验结果表明,该模型在SemEval-CE数据集上准确率比BiLSTM+CRF+self-ATT模型提高了0.0541,从而提高了深度学习方法在因果关系抽取任务中的性能.

关键词：因果关系抽取序列标注双向长短期记忆网络(BiLSTM) BERT模型

来源：评论

学校读者我要写书评

暂无评论

不一致术语集最小基数诊断的分支限界

引用

吉林大学学报（工学版） 2020年第4期50卷 1449-1454页

作者：欧阳丹彤高杰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

针对不一致术语集的最小基数诊断,提出了一种分支限界的方法,该方法根据不相交极小不一致保持子术语集(MIPS)覆盖来定义诊断的一个下界,并且使用分支技术将大问题分解为多个可并行执行的子问题。实验结果表明,该方法能够快速有效地计算... 详细信息

针对不一致术语集的最小基数诊断,提出了一种分支限界的方法,该方法根据不相交极小不一致保持子术语集(MIPS)覆盖来定义诊断的一个下界,并且使用分支技术将大问题分解为多个可并行执行的子问题。实验结果表明,该方法能够快速有效地计算出一个最小基数诊断。

关键词：计算机应用最小基数诊断极小不一致保持子术语集分支限界

来源：评论

学校读者我要写书评

暂无评论

基于图注意力网络的因果关系抽取

引用

计算机研究与发展 2020年第1期57卷 159-174页

作者：许晶航左万利梁世宁王英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

因果关系作为一种重要的关系类型在关系推理等许多领域中起着至关重要的作用,因此对因果关系进行抽取是文本挖掘中的一项基本任务.与传统文本分类方法或关系抽取不同,采用序列标注的方法可以抽取文本中的因果实体并确定因果关系方向,不... 详细信息

因果关系作为一种重要的关系类型在关系推理等许多领域中起着至关重要的作用,因此对因果关系进行抽取是文本挖掘中的一项基本任务.与传统文本分类方法或关系抽取不同,采用序列标注的方法可以抽取文本中的因果实体并确定因果关系方向,不需要依赖特征工程或因果背景知识.主要贡献有:1)拓展句法依存树到句法依存图,将图注意力网络应用到自然语言处理中,引入了基于句法依存图的图注意力网络的概念;2)提出Bi-LSTM+CRF+S-GAT因果关系抽取模型,根据输入的词向量生成句子中每个词的因果标签;3)对SemEval数据集进行修正与拓展,针对其存在的缺陷制定规则重新标注实验数据.在拓展后的SemEval数据集上进行了大量的实验,结果表明:该模型在预测准确率上比现有最优模型Bi-LSTM+CRF+self-ATT提高了0.064.

关键词：因果关系抽取图注意力网络序列标注句法依存图双向长短期记忆网络

来源：评论

学校读者我要写书评

暂无评论

知识图谱嵌入中的自适应筛选

引用

吉林大学学报（工学版） 2020年第2期50卷 685-691页

作者：欧阳丹彤马骢雷景佩冯莎莎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

针对知识图谱数据类别不平衡与训练难度不同,随机进行训练数据采样可能导致嵌入模型不能快速收敛的问题,提出了一种自适应的筛选训练数据方法。对训练数据按照关系类别进行分组,采样过程中首先根据概率选择关系类别,然后从选定的分组中... 详细信息

针对知识图谱数据类别不平衡与训练难度不同,随机进行训练数据采样可能导致嵌入模型不能快速收敛的问题,提出了一种自适应的筛选训练数据方法。对训练数据按照关系类别进行分组,采样过程中首先根据概率选择关系类别,然后从选定的分组中随机选择一个实例进行训练。根据训练效果对每组实例被选择的概率进行自适应调整。实验结果表明:自适应的分组筛选在链接预测任务上取得了更好的结果,使嵌入模型更快、更好地收敛。

关键词：人工智能知识图谱嵌入基于翻译的嵌入模型自适应筛选链接预测

来源：评论

学校读者我要写书评

暂无评论

基于语义特征提取的隐式情感分析方法

引用

吉林大学学报(理学版) 2025年第1期63卷 107-113页

作者：丛眸彭涛朱蓓蓓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

针对目前隐式情感语句中情感词不明显或较少、表达方式委婉等问题,提出一种基于语义特征提取的隐式情感分析方法.该方法通过引入与隐式情感语句相关的事实信息作为辅助特征,并利用RoBERTa预训练模型对文本及其辅助特征进行深度语义交互... 详细信息

针对目前隐式情感语句中情感词不明显或较少、表达方式委婉等问题,提出一种基于语义特征提取的隐式情感分析方法.该方法通过引入与隐式情感语句相关的事实信息作为辅助特征,并利用RoBERTa预训练模型对文本及其辅助特征进行深度语义交互,以获取全局特征;同时,采用双向门控循环单元(BiGRU)捕捉局部特征,最后结合注意力池化技术计算情感权重,从而更准确地识别和理解隐含的情感信息.在数据集Snopes和PolitiFact上进行仿真实验,实验结果表明,该方法在隐式情感分析方面性能优异,不仅在多个评价指标上超越了现有方法,且整体性能得到显著提升,为更广泛的情感分析应用场景提供了有效的解决方案,特别是在处理复杂和间接表达的情感内容时,具有重要的应用价值和意义.

关键词：语义特征隐式情感分析双向门控循环单元注意力池化

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：