检索结果-内蒙古大学图书馆

数据分析与知识发现 2023年第6期7卷 113-122页

作者：刘美玲尚玥赵铁军周继云东北林业大学信息与计算机工程学院哈尔滨150006 哈尔滨工业大学计算机科学与技术学院哈尔滨150001 约翰·霍普金斯大学利伯研究所巴尔的摩MD21218

【目的】增强虚假评论识别任务中模型对文本深层语义信息的学习能力,并解决虚假评论识别任务中存在的严重的数据不平衡问题。【方法】基于数据本身的用户行为特征与文本特征进行类间可分性计算自动学习代价敏感矩阵,增强模型对不平衡数... 详细信息

【目的】增强虚假评论识别任务中模型对文本深层语义信息的学习能力,并解决虚假评论识别任务中存在的严重的数据不平衡问题。【方法】基于数据本身的用户行为特征与文本特征进行类间可分性计算自动学习代价敏感矩阵,增强模型对不平衡数据的学习能力;同时利用BERT在文本编码方面的能力进一步优化模型。【结果】在YelpCHI数据集上进行实验,对比现有先进方法(En-HGAN),本文模型的F1值提升了约18个百分点,AUC值提升了约12个百分点。【局限】未将所提模型应用到更多的研究领域中。【结论】将用户行为特征与评论文本特征看作虚假评论类与真实类之间的特征集合进行类别可分性计算能够有效提高模型对虚假评论识别的性能。

关键词：虚假评论识别类别可分性计算代价敏感学习不平衡数据处理

来源：评论

学校读者我要写书评

暂无评论

结合注意力机制和本体的远程监督关系抽取

引用

计算机科学与探索 2020年第9期14卷 1554-1562页

作者：李艳娟臧明哲刘晓燕刘扬郭茂祖东北林业大学信息与计算机工程学院哈尔滨150000 哈尔滨工业大学计算机科学与技术学院哈尔滨150001 北京建筑大学电气与信息工程学院北京100044

关系抽取是从非结构化的文本中抽取关系,并以结构化的形式输出。为了提高抽取准确性并降低对人工标注的依赖,提出了基于注意力机制和本体的远程监督关系抽取模型(APCNNs+OR)。该模型分为特征工程提取模块、分类器模块、本体约束层。在... 详细信息

关系抽取是从非结构化的文本中抽取关系,并以结构化的形式输出。为了提高抽取准确性并降低对人工标注的依赖,提出了基于注意力机制和本体的远程监督关系抽取模型(APCNNs+OR)。该模型分为特征工程提取模块、分类器模块、本体约束层。在分类器模块中,引入并改进了实例级注意力机制,更好地学习数据袋中每个句子的权重,有效地降低了远程监督假设引入的噪声干扰及句子中实体间的词语信息干扰。在本体约束层,通过引入领域本体对抽取结果进行约束,提高了抽取关系的准确性。SemMed和GoldStandard语料实验结果表明,该模型可有效降低错误标签的噪声干扰,比现有模型具有更好的关系抽取性能。

关键词：关系抽取本体远程监督注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于启发式掩模EMD的音频突变成分检测方法

引用

信号处理 2020年第6期36卷 885-893页

作者：李海峰戎晓汇马琳徐忠亮薄洪健哈尔滨工业大学计算机科学与技术学院黑龙江哈尔滨150001 东北林业大学信息与计算机工程学院黑龙江哈尔滨150040 深圳航天科技创新研究院广东深圳518057

多数情况下,音频信号可以视为是由稳态成分和突变成分两种成分组成,稳态成分与突变成分在属性特征方面具有明显的差异,而且突变成分通常承载更重要的信息,是信号处理要分析提取的目标。为有效检测出突变成分并将这两种成分分离,需要完... 详细信息

多数情况下,音频信号可以视为是由稳态成分和突变成分两种成分组成,稳态成分与突变成分在属性特征方面具有明显的差异,而且突变成分通常承载更重要的信息,是信号处理要分析提取的目标。为有效检测出突变成分并将这两种成分分离,需要完整精确地检测提取出突变成分。为此本文提出一种基于启发式掩模经验模态分解(Empirical Mode Decomposition,EMD)的音频突变成分检测方法,该检测方法中使用启发式掩模EMD分解音频信号并从中提取出各点的瞬时信息作为检测特征,同时本文提出一种窗长自适应更新策略来设定适合突变成分的长度。在IOWA的乐器音频数据集中,该检测方法能够实现以98.68%的检测精确率和87.65%的检测召回率将音频突变成分检测出来。此外该检测方法无需人为干预,并且检测出的突变成分维度一致,便于进行后续的特征提取、分类识别等处理操作。

关键词：掩模经验模态分解音频信号突变成分检测方法

来源：评论

学校读者我要写书评

暂无评论

基于TVF-EMD的乐器音质特征分析方法及其应用

引用

信号处理 2020年第6期36卷 932-941页

作者：李海峰孙聪珊马琳薄洪健徐忠亮哈尔滨工业大学计算机科学与技术学院黑龙江哈尔滨150001 深圳航天科技创新研究院广东深圳518063 东北林业大学信息与计算机工程学院黑龙江哈尔滨150040

音质(Timbre)是音乐感知和言语识别的重要线索。传统音质分析方法无法同时获取理想的时间分辨率和频域分辨率,对音频的非平稳特性没有很好地处理。本文采用时变滤波经验模态分解(Time Varying Filtering based EMD,TVF-EMD)方法提取音... 详细信息

音质(Timbre)是音乐感知和言语识别的重要线索。传统音质分析方法无法同时获取理想的时间分辨率和频域分辨率,对音频的非平稳特性没有很好地处理。本文采用时变滤波经验模态分解(Time Varying Filtering based EMD,TVF-EMD)方法提取音频的固有模态函数用于希尔伯特变换,并构建了音质的希尔伯特频谱分布特征和希尔伯特轮廓特征。在乐器分类问题中,将提取的两类音质特征与Mel倒谱系数特征(Mel Frequency Cepstral Coefficients,MFCCs)有效结合,然后构造基于双向长短时记忆网络的音质时序分类器,在公开乐器演奏音频数据库中进行了乐器分类实验。结果表明,所提出的音质特征可以有效补充Mel倒谱特征等传统特征无法表达的非线性非平稳信息,大大提高了本音质表征方法对复杂音频的适应性和鲁棒性。

关键词：音质时变滤波经验模态分解希尔伯特频谱分布特征希尔伯特轮廓特征乐器分类

来源：评论

学校读者我要写书评

暂无评论

基于12导联的心电特征可视化分析

引用

智能计算机与应用 2020年第6期10卷 51-54,58页

作者：王佳琪袁永峰东北林业大学信息与计算机工程学院哈尔滨150040 哈尔滨工业大学计算机科学与技术学院哈尔滨150001

近年来,心脑血管患病数超过2.9亿,死亡率仍处在上升阶段,防治心血管病刻不容缓,心电技术尤为重要。临床诊断通常采用12导联系统,同时配合可视化技术可以较为直观地反映心脏的信号传播活动。利用12导联ECG可视化技术分析心电特征对于不... 详细信息

近年来,心脑血管患病数超过2.9亿,死亡率仍处在上升阶段,防治心血管病刻不容缓,心电技术尤为重要。临床诊断通常采用12导联系统,同时配合可视化技术可以较为直观地反映心脏的信号传播活动。利用12导联ECG可视化技术分析心电特征对于不同疾病的差异程度,首先利用GQRS-极值法对心电信号进行波峰识别,其次将提取到的心电特征进行统计分析,最后通过信息增益的方法分析各特征之间的差异。对于疾病异常情况,可以通过本文的心电特征可视化分析技术快速反映心脏不同部位的病变程度。

关键词： 12导联疾病心电特征差异程度可视化

来源：评论

学校读者我要写书评

暂无评论

脑电信号成分稀疏分析范式及其可行证明

引用

信号处理 2018年第8期34卷 923-929页

作者：岳琪徐忠亮马琳李海峰东北林业大学信息与计算机工程学院黑龙江哈尔滨150040 哈尔滨工业大学计算机科学与技术学院黑龙江哈尔滨150001

稀疏分解技术作为一种可靠的信号处理与传输方法,在包括EEG的多种时变信号分析和处理领域得到了广泛的应用。在EEG信号的成分分析中,现有算法(ICA,EMD)等都存在分解结果与真实成分显著不符的情况,难以对实际成分的波形进行估计。本文在... 详细信息

稀疏分解技术作为一种可靠的信号处理与传输方法,在包括EEG的多种时变信号分析和处理领域得到了广泛的应用。在EEG信号的成分分析中,现有算法(ICA,EMD)等都存在分解结果与真实成分显著不符的情况,难以对实际成分的波形进行估计。本文在稀疏分解算法基础上,通过对样本稀疏分布情况进行度量,给出了一个经过改良的稀疏性能评价指标(SPI)并以此建立了一个新的成分分析范式和相应的优化函数,经过理论和实际证明,该范式在成分分析领域能比传统方法更有效地使分解结果趋向于真实成分,对EEG信号、乃至其他时变信号的成分解析都具有相当的积极意义。

关键词：脑电信号成分分析稀疏分解稀疏性能评价指标

来源：评论

学校读者我要写书评

暂无评论

面向事件相关电位成分的稀疏字典构建方法

引用

信号处理 2018年第8期34卷 891-896页

作者：李海峰丰上马琳徐睿峰徐忠亮哈尔滨工业大学计算机科学与技术学院黑龙江哈尔滨150001 哈尔滨工业大学(深圳) 广东深圳518055 东北林业大学信息与计算机工程学院黑龙江哈尔滨150040

利用稀疏分解来研究EEG信号是一种新兴的可靠的方法。常见的稀疏字典学习算法中,K-SVD算法得到了比较广泛的应用。但是利用K-SVD算法获得的字典原子很难完整的包含EEG信号中的事件相关电位(ERP)成分,通常样本中的ERP成分都会分布在大量... 详细信息

利用稀疏分解来研究EEG信号是一种新兴的可靠的方法。常见的稀疏字典学习算法中,K-SVD算法得到了比较广泛的应用。但是利用K-SVD算法获得的字典原子很难完整的包含EEG信号中的事件相关电位(ERP)成分,通常样本中的ERP成分都会分布在大量原子中。本文提出把常用的K-SVD算法基础结合稀疏性能指标作为约束条件,解决稀疏字典难以与ERP成分对应的问题,并给出利用该算法进行ERP分析的步骤。通过在一个基于听觉刺激的公开数据集上使用本文的方法,成功地获得了包含完整目标ERP成分的字典原子,证明了方法的可行性。

关键词：稀疏字典事件相关电位脑电图成分分析

来源：评论

学校读者我要写书评

暂无评论

动态流形方法在多文档文摘模型上的应用

引用

计算机技术与发展 2018年第3期28卷 26-31页

作者：刘美玲郑德权王慧强于洋东北林业大学信息与计算机工程学院黑龙江哈尔滨150040 哈尔滨工业大学教育部-微软语言语音重点实验室黑龙江哈尔滨150001 哈尔滨工程大学计算机科学与技术学院黑龙江哈尔滨150001

网络动态演化内容的识别和分析是人们快速获取有效信息的主要手段之一,已经成为人们迫切需要解决的关键问题。动态多文档文摘建立在时间信息基础上,从网络动态演化性出发,对同一话题不同时段的文档集合进行分析,在识别信息内容差异性的... 详细信息

网络动态演化内容的识别和分析是人们快速获取有效信息的主要手段之一,已经成为人们迫切需要解决的关键问题。动态多文档文摘建立在时间信息基础上,从网络动态演化性出发,对同一话题不同时段的文档集合进行分析,在识别信息内容差异性的基础上,对信息的动态演化性进行建模。文中在经典流行排序思想的基础上,进一步提出了动态流行排序模型。该模型中不仅融入了信息的重要性特征,而且融入了信息与历史信息的关联特征以及信息的时间特征,使文摘信息动了起来,即文摘系统具有了动态性。该模型在国际标准评测TAXT ANYNASIS CONFERENCE 2008的Update task任务语料上进行了测试,获得了较好的实验结果。

关键词：动态多文档文摘动态演化性差异性分析相似度质心整体选优

来源：评论

学校读者我要写书评

暂无评论

多DAG工作流在云计算环境下的可靠性调度方法

引用

西安电子科技大学学报 2016年第2期43卷 83-88页

作者：景维鹏吴智博刘宏伟舒燕君哈尔滨工业大学计算机科学与技术学院黑龙江哈尔滨150001 东北林业大学信息与计算机工程学院黑龙江哈尔滨150040

针对云计算环境中多个DAG科学工作流的可靠性调度问题,提出一种考虑虚拟机之间链路通信竞争的动态多DAG分层调度算法.首先使用通信竞争模型描述虚拟机之间的通信,然后分别计算主版本及副版本任务的最早完成时间,并限定任务所调度的虚拟... 详细信息

针对云计算环境中多个DAG科学工作流的可靠性调度问题,提出一种考虑虚拟机之间链路通信竞争的动态多DAG分层调度算法.首先使用通信竞争模型描述虚拟机之间的通信,然后分别计算主版本及副版本任务的最早完成时间,并限定任务所调度的虚拟机单元.再对多个同时到达的DAG工作流任务使用动态分层方法,计算每个DAG任务的不公平程度因子.该算法有效解决了当多个DAG中任务的权值相差较大时,之前到达的DAG不会因为剩余任务迟迟得不到调度而导致执行时间跨度增大的问题.仿真实验表明,在保证可靠调度的前提下,该算法不仅能提高多个DAG调度的公平程度,而且能有效地缩短多个DAG调度的平均最早完成时间.

关键词：云计算多个DAG 可靠性调度公平因子

来源：评论

学校读者我要写书评

暂无评论

蛋白质功能预测方法研究进展

引用

智能计算机与应用 2016年第4期6卷 1-4,8页

作者：滕志霞郭茂祖哈尔滨工业大学计算机科学与技术学院哈尔滨150001 东北林业大学信息与计算机工程学院哈尔滨150040

蛋白质功能预测是后基因组时代生物信息学的研究热点之一。利用计算方法预测蛋白质的功能,可以弥补传统生物实验方法周期长、效率低和成本高等方面不足。首先介绍蛋白质功能预测的研究背景,并从计算角度定义蛋白质功能预测问题;然后,对... 详细信息

蛋白质功能预测是后基因组时代生物信息学的研究热点之一。利用计算方法预测蛋白质的功能,可以弥补传统生物实验方法周期长、效率低和成本高等方面不足。首先介绍蛋白质功能预测的研究背景,并从计算角度定义蛋白质功能预测问题;然后,对蛋白质功能预测方法的研究现状进行分析与总结,最后指出已有方法中存在的不足及未来的研究方向。

关键词：蛋白质功能预测基因本体结构域生物网络

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：