检索结果-内蒙古大学图书馆

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

基于知识图谱嵌入的多跳中文知识问答方法

引用

吉林大学学报（理学版） 2022年第1期60卷 119-126页

作者：张天杭李婷婷张永刚吉林大学计算机科学与技术学院符号计算与知识工程教育部重点实验室长春130012

基于知识图谱嵌入模型,提出一种知识图谱嵌入评分与链路评分相结合的评分方法,以解决中文领域的多跳知识图谱问答任务,与传统的单跳知识问答方法相比适用性更广.该方法在搜索最优答案的同时构建一个查询链路,通过查询给出答案集合,从而... 详细信息

基于知识图谱嵌入模型,提出一种知识图谱嵌入评分与链路评分相结合的评分方法,以解决中文领域的多跳知识图谱问答任务,与传统的单跳知识问答方法相比适用性更广.该方法在搜索最优答案的同时构建一个查询链路,通过查询给出答案集合,从而有效缓解了现有方法中遗漏答案的情况.在NLPCC-MH数据集上的实验结果表明,该方法在多跳问题上的平均F_(1)值为0.653,显著优于对比方法.真实知识图谱通常存在链路缺失的情况,实验以随机丢弃25%三元组的方式模拟了知识图谱的稀疏性,结果表明该方法在这种情况下仍然有效.

关键词：知识图谱智能问答知识图谱嵌入链路预测

来源：评论

学校读者我要写书评

暂无评论

基于局部搜索的并行扩展规则推理方法

引用

软件学报 2021年第9期32卷 2744-2754页

作者：李壮刘磊张桐搏周文博吕帅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(吉林大学) 吉林长春130012

扩展规则推理方法在经典的可满足性问题求解中已得到广泛应用,若干个基于扩展规则的推理方法已被提出,皆得到国内外的认可,例如完备的NER,IMOMH_IER,PPSER算法以及基于局部搜索的不完备算法ERACC等,都具有良好的求解效果.其中,ERACC算... 详细信息

扩展规则推理方法在经典的可满足性问题求解中已得到广泛应用,若干个基于扩展规则的推理方法已被提出,皆得到国内外的认可,例如完备的NER,IMOMH_IER,PPSER算法以及基于局部搜索的不完备算法ERACC等,都具有良好的求解效果.其中,ERACC算法是当前扩展规则求解器中求解效率最高、能力最强的算法.但是,串行的ERACC算法在启发式和预处理上仍然具有可提升的空间.基于此,设计了相应的并行框架,提出了PERACC算法.该算法基于格局检测的局部搜索方法,从变量赋初始值、化简解空间和启发式这3个阶段出发,将原极大项空间分解成为若干极大项子空间,并对原子句集进行化简后,并行处理各个子空间.通过实验显示:该算法与原算法相比,不仅在求解效率方面有较大提高,而且可以求解规模更大的测试用例,使扩展规则方法再次突破公式规模的限制.

关键词：自动推理局部搜索扩展规则格局检测并行框架

来源：评论

学校读者我要写书评

暂无评论

优化简单表缩减算法求解因子分解编码实例

引用

软件学报 2021年第11期32卷 3530-3540页

作者：王震李哲李占山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(吉林大学) 吉林长春130012

表约束在约束程序(constraint programming,简称CP)中被广泛研究.目前,求解表约束问题效率最高的算法是CT(compact-table)和STRbit(simple tabular reduction bit).它们在搜索过程中维持广义弧相容(generalized arc consistency,简称GAC).完全成对相容(full pairwise consistency,简称fPWC)是一种强于GAC的相容性关系,目前,实现fPWC效率最高的算法是PW-CT,但是它无法直接在通用的求解器上实现.因子分解编码(factor-decomposition encoding,简称FDE)是实现fPWC的一种编码方式,通常和简单表缩减(STR)算法一起来使用.当前效率最高的STR算法使用了bitset的数据结构,用这些算法来求解FDE实例可能会造成内存溢出.提出了STRFDE算法——一种使用bitset结构来求解FDE实例的方法.它结合了CT和STRbit的优势,在保证求解效率的同时,使占用的内存尽可能小.实验结果表明,在许多存在非平凡相交的实例上,该算法是有竞争力的.

关键词：约束程序孤相容表约束简单表缩减算法因子分解编码

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

基于全局有向图的商品会话序列推荐算法

引用

吉林大学学报（理学版） 2022年第2期60卷 361-368页

作者：苗启朋何丽莉姜宇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

针对商品会话序列推荐中传统推荐算法过分依赖临近点击状况,在一定程度上丢失整体商品访问趋势的问题,提出一种新的基于全局有向图的商品会话序列推荐算法.首先,构建商品会话序列全局有向图,图中节点为商品,节点间的弧表示点击次序,并... 详细信息

针对商品会话序列推荐中传统推荐算法过分依赖临近点击状况,在一定程度上丢失整体商品访问趋势的问题,提出一种新的基于全局有向图的商品会话序列推荐算法.首先,构建商品会话序列全局有向图,图中节点为商品,节点间的弧表示点击次序,并用图数据库存储该有向图;其次,给出在有向图上的全局偏好传播策略,同时考虑点击时间因素对推荐的重要影响;最后,获得待推荐商品的评分.在Diginetica和Yoochoose标准数据集上,该算法根据P@20标准,比传统Item-KNN方法推荐准确率分别提升了6.12%和30.25%;根据MRR@20标准,则分别提升了15.04%和33.88%.实验结果表明,该全局有向图搜索和评分策略有效.

关键词：推荐系统会话序列图数据库全局有向图全局偏好传播

来源：评论

学校读者我要写书评

暂无评论

基于邻域信息的网络结构表示学习

引用

吉林大学学报（理学版） 2022年第2期60卷 343-350页

作者：王喆李鑫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

针对传统网络表示学习方法无法学习节点网络结构相关性的问题,提出一种基于邻域信息的网络结构表示学习模型.该模型首先定义基于邻域信息的节点间结构相似度计算方法,对不同邻域范围内节点间结构相似度建模;其次构建深层自编码器,将节... 详细信息

针对传统网络表示学习方法无法学习节点网络结构相关性的问题,提出一种基于邻域信息的网络结构表示学习模型.该模型首先定义基于邻域信息的节点间结构相似度计算方法,对不同邻域范围内节点间结构相似度建模;其次构建深层自编码器,将节点结构相似度作为监督信息优化网络表示,在网络嵌入过程中学习节点结构信息.与node2vec,SDNE,struc2vec三种相关算法进行对比的实验结果表明,该方法有更好的网络结构识别能力,能学习到节点间的结构相关性,所得到的网络表示能适用于角色识别相关任务.此外,跨网络分类实验结果还体现了该方法在迁移学习方面的潜力.

关键词：结构识别网络表示学习网络分析自编码器角色识别

来源：评论

学校读者我要写书评

暂无评论

一种跨区域跨评分协同过滤推荐算法

引用

计算机研究与发展 2024年第12期61卷 3134-3153页

作者：于旭彭庆龙詹定佳杜军威刘金环林俊宇巩敦卫张子迎于婕青岛科技大学信息科学技术学院山东青岛266061 中国石油大学(华东)计算机科学与技术学院山东青岛266580 符号计算与知识工程教育部重点实验室(吉林大学) 长春130012 中国科学院信息工程研究所北京100093 中国矿业大学信息与控制工程学院江苏徐州221116 嘉应学院计算机学院广东梅州514011

传统跨评分协同过滤范式忽视了目标域中评分密度对用户和项目隐向量精度的影响,导致评分稀疏区域评分预测不够准确.为克服区域评分密度对评分预测的影响,基于迁移学习思想提出一种跨区域跨评分协同过滤推荐算法(cross-rating collaborat... 详细信息

传统跨评分协同过滤范式忽视了目标域中评分密度对用户和项目隐向量精度的影响,导致评分稀疏区域评分预测不够准确.为克服区域评分密度对评分预测的影响,基于迁移学习思想提出一种跨区域跨评分协同过滤推荐算法(cross-rating collaborative filtering recommendation algorithm,CRCRCF),相对于传统跨评分协同过滤范式,该算法不仅能有效挖掘辅助域重要知识,而且可以挖掘目标域中评分密集区域的重要知识,进一步提升目标域整体,尤其是评分稀疏区域的评分预测精度.首先,针对用户和项目,分别进行活跃用户和非活跃用户、热门项目和非热门项目的划分.利用图卷积矩阵补全算法提取目标域活跃用户和热门项目、辅助域中全体用户和项目的隐向量.其次,对活跃用户和热门项目分别构建基于自教学习的深度回归网络学习目标域和辅助域中隐向量的映射关系.然后,将映射关系泛化到全局,利用非活跃用户和非热门项目在辅助域上相对较准确的隐向量推导其目标域上的隐向量,依次实现了跨区域映射关系迁移和跨评分的隐向量信息迁移.最后,以求得的非活跃用户和非热门项目在目标域上的隐向量为约束,提出受限图卷积矩阵补全模型,并给出相应推荐结果.在MovieLens和Netflix数据集上的仿真实验显示CRCRCF算法较其他最先进算法具有明显优势.

关键词：协同过滤跨区域跨评分推荐图卷积矩阵补全自教学习深度回归网络受限图卷积矩阵补全

来源：评论

学校读者我要写书评

暂无评论

基于改进YoloV4网络的虹膜定位算法

引用

吉林大学学报（理学版） 2022年第2期60卷 369-380页

作者：杨亚男朱晓冬刘元宁朱琳董霖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

针对传统虹膜定位算法很难完成准确定位导致识别效果不稳定的问题,提出一种基于改进YoloV4网络的虹膜定位算法.首先利用YoloV4结合MobileNetV3对虹膜内外圆进行粗定位,再利用瞳孔、虹膜和巩膜的灰度差值分别对虹膜内外圆进行精定位.同时... 详细信息

针对传统虹膜定位算法很难完成准确定位导致识别效果不稳定的问题,提出一种基于改进YoloV4网络的虹膜定位算法.首先利用YoloV4结合MobileNetV3对虹膜内外圆进行粗定位,再利用瞳孔、虹膜和巩膜的灰度差值分别对虹膜内外圆进行精定位.同时,使用K-means++聚类算法生成先验框;使用快速soft-DIoU-NMS算法去除预测过程冗余框,提高算法检测率;使用Focal Loss作为类别损失函数.对比实验结果表明,该算法运行速度更快,定位准确率更高,识别算法的效果更明显.

关键词：虹膜定位 YoloV4 快速soft-DIoU-NMS算法 K-means++聚类

来源：评论

学校读者我要写书评

暂无评论

基于卷积神经网络的猪脸特征点检测方法

引用

吉林大学学报（理学版） 2022年第3期60卷 609-616页

作者：李向宇李慧盈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

针对牲畜面部识别在养殖行业广泛需求的问题,提出一种基于卷积神经网络的猪脸特征点检测方法,解决了猪脸特征点难检测的问题.首先,采集猪面部数据并进行特征点标注,使用新的采集方法以解决猪口部通常不可见的问题;其次,对猪脸数据和人... 详细信息

针对牲畜面部识别在养殖行业广泛需求的问题,提出一种基于卷积神经网络的猪脸特征点检测方法,解决了猪脸特征点难检测的问题.首先,采集猪面部数据并进行特征点标注,使用新的采集方法以解决猪口部通常不可见的问题;其次,对猪脸数据和人脸数据进行结构计算,匹配相似度较高的猪脸和人脸,构建猪脸人脸匹配数据集;再次,利用匹配数据集训练TPS(thin plate spline)形变卷积神经网络,得到形变后的猪脸数据集以适配人脸特征点检测模型;最后,使用形变猪脸数据集对人脸特征点检测神经网络模型进行微调,得到猪脸特征点检测模型.实验结果表明,用该方法进行猪脸特征点检测,错误率仅为5.60%.

关键词：猪脸特征点检测卷积神经网络猪脸特征点数据集深度学习

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：