检索结果-内蒙古大学图书馆

计算机应用 2023年第8期43卷 2527-2536页

作者：张昊宇王丽丽安徽理工大学数学与大数据学院安徽淮南232001 安徽省煤矿安全大数据分析与预警技术工程实验室(安徽理工大学) 安徽淮南232001

现实中的业务流程不断发生变化,需要对初始的业务流程模型进行修复以更好地表示实际业务流程。模型修复的关键步骤是分析现实日志和模型间的偏差,目前寻找偏差的方法主要采用对齐重演技术,未从行为的角度定量分析抽象的结构。因此,提出... 详细信息

现实中的业务流程不断发生变化,需要对初始的业务流程模型进行修复以更好地表示实际业务流程。模型修复的关键步骤是分析现实日志和模型间的偏差,目前寻找偏差的方法主要采用对齐重演技术,未从行为的角度定量分析抽象的结构。因此,提出了一种通过行为轮廓分析日志和模型偏差的方法,并在此基础上进一步给出了基于逻辑Petri网的模型修复方法。首先,基于行为轮廓计算日志和模型间的服从度以识别偏差迹;然后,在偏差迹中依据偏差三元组集从偏差活动中选择逻辑变迁;最后,基于逻辑变迁设置逻辑函数,并通过添加新的分支或重构新的结构来修复原模型。对修复模型的适应度和精确度进行了验证,仿真实验结果表明,在尽可能保持修复模型与原始模型相似的基础上,相较于Fahland方法与Goldratt方法,所提修复方法在适应度都为1的情况下,得到的修复模型具有更高的精确度。

关键词：行为轮廓业务流程逻辑Petri网过程挖掘模型修复

来源：评论

学校读者我要写书评

暂无评论

基于可微知识图谱的多跳知识库问答

引用

计算机科学 2025年第3期52卷 295-305页

作者：魏谦强赵书良张思漫河北师范大学计算机与网络空间安全学院石家庄050024 供应链大数据分析与数据安全河北省工程研究中心石家庄050024 河北省网络与信息安全重点实验室石家庄050024 海南师范大学教育学院海口571158

知识库问答是一个具有挑战性的热门研究方向。目前,基于嵌入的方法通过隐式推理得到问题的答案而不能产生完整的推理路径,基于可微知识图谱的模型只需要将问题答案对作为弱监督信号就可以产生可解释的结果。基于可微知识图谱,提出了一... 详细信息

知识库问答是一个具有挑战性的热门研究方向。目前,基于嵌入的方法通过隐式推理得到问题的答案而不能产生完整的推理路径,基于可微知识图谱的模型只需要将问题答案对作为弱监督信号就可以产生可解释的结果。基于可微知识图谱,提出了一个端到端编码器-解码器模型。编码器使用多头注意力机制和LSTM对问题进行细粒度顺序建模,生成能更好地表示问题每一跳语义特征的查询向量;解码器使用前馈神经网络实现问题多跳推理的注意力机制,能更好地表示问题每一跳在整个问题中的权重。所提模型解决了以前粗粒度非顺序建模方法存在的信息丢失问题。在5个数据集MetaQA-1hop,MetaQA-2hop,MetaQA-3hop,WebQSP和CWQ上进行实验,模型分别取得了97.5%,100%,100%,77.8%和51.4%的准确率。消融实验表明,各个模块都对模型整体性能的提高有贡献。

关键词：多跳知识库问答可微知识图谱编码器-解码器

来源：评论

学校读者我要写书评

暂无评论

面向医学领域的文本特征增强多任务学习模型

引用

计算机科学 2024年第S02期51卷 121-127页

作者：郭瑞强贾晓文杨世龙魏谦强河北师范大学计算机与网络空间安全学院石家庄050024 河北师范大学河北省供应链大数据分析与数据安全河北省工程研究中心石家庄050024 河北省网络与信息安全重点实验室石家庄050024

医学命名实体的识别和规范化是构建高质量医学知识图谱的基础。文中提出了一种基于文本特征增强的多任务学习模型,旨在解决现有模型中医学实体识别与规范化模型不能充分利用文本特征的问题。该模型添加词级、字符级特征和上下文语义信... 详细信息

医学命名实体的识别和规范化是构建高质量医学知识图谱的基础。文中提出了一种基于文本特征增强的多任务学习模型,旨在解决现有模型中医学实体识别与规范化模型不能充分利用文本特征的问题。该模型添加词级、字符级特征和上下文语义信息来增强文本表示,再通过4个分级子任务,联合建模完成医学实体识别和规范化任务。实验表明,该模型能够学习实体识别和实体规范化这两个任务的共同特征,有效地提高学习的准确率。在NCBI和BC5CDR两个数据集上取得了较好的效果,在NER和NEN任务上的F1值分别为:91.09%,91.02%;92.05%,92%。

关键词：医疗命名实体识别实体规范化多任务特征增强联合建模

来源：评论

学校读者我要写书评

暂无评论

面向目标多模态情感分析的双通道循环神经网络模型

引用

山西大学学报(自然科学版) 2024年第1期47卷 48-58页

作者：王静红高远李昊康河北师范大学计算机与网络空间安全学院河北师范大学河北省网络与信息安全重点实验室河北师范大学供应链大数据分析与数据安全河北省工程研究中心河北工程技术学院人工智能与大数据学院

面向目标的多模态情感分析，其任务是对多模态帖子或评论中给定的目标词进行情感分类。针对目前该领域结合循环神经网络的模型只关注于一般的文本和图片表示，没有同时考虑模态内和模态间的信息交互，且忽略了图像信息中的噪声的问题，... 详细信息

面向目标的多模态情感分析，其任务是对多模态帖子或评论中给定的目标词进行情感分类。针对目前该领域结合循环神经网络的模型只关注于一般的文本和图片表示，没有同时考虑模态内和模态间的信息交互，且忽略了图像信息中的噪声的问题，提出了一种双通道循环神经网络模型（DRNN）。该模型首先设计了一个基于注意力机制的循环神经网络模块，该模块利用门控循环单元（Gate Recurrent Unit, GRU）来过滤图像的噪声，之后通过注意力机制将文本和图像融合，最后将融合后的信息逐步加入目标信息中，得到模态间的动态表示。另外提出了一个目标文本交互循环神经网络模块，该模块通过计算目标信息与上下文中每个词的权重来学习模态内的上下文表示。最后将两部分模块得到的信息拼接后送入全连接层和softmax层预测情感极性。在两个基准数据集Twitter-15和Twitter-17上进行了大量实验，实验结果表明，与当前最先进的模型相比该模型能够有效增强面向目标的多模态情感分析的效果。

关键词：循环神经网络多模态面向目标的情感分析注意力机制噪声

来源：评论

学校读者我要写书评

暂无评论

融合转移概率矩阵的多阶最近邻图聚类算法

引用

计算机应用 2024年第5期44卷 1527-1538页

作者：徐童童解滨张春昊张喜梅河北师范大学计算机与网络空间安全学院石家庄050024 河北省网络与信息安全重点实验室(河北师范大学) 石家庄050024 供应链大数据分析与数据安全河北省工程研究中心(河北师范大学) 石家庄050024

聚类是根据样本之间的相似性将数据集划分为多个类簇。现有的大多数聚类方法都存在两个挑战:一方面,在定义样本间相似性时往往没有考虑样本的空间分布结构,无法构建稳定的相似度矩阵;另一方面,图聚类构造的样本图结构过于复杂,计算成本... 详细信息

聚类是根据样本之间的相似性将数据集划分为多个类簇。现有的大多数聚类方法都存在两个挑战:一方面,在定义样本间相似性时往往没有考虑样本的空间分布结构,无法构建稳定的相似度矩阵;另一方面,图聚类构造的样本图结构过于复杂,计算成本较高。为解决这两个问题,提出融合转移概率矩阵的多阶最近邻图聚类算法(MNNGC)。首先,综合样本的近邻关系和空间分布结构,将共享近邻定义的相似度进行趋密性加权,得到节点间的趋密性亲和矩阵;其次,利用节点间多阶概率转移预测非邻接点的关联程度,并通过融合多阶转移概率矩阵得到稳定的节点间亲和矩阵;再次,为进一步增强图局部结构,重新构建节点的多阶最近邻图,并对多阶最近邻图的局部结构分层聚类;最后,优化了边缘点分配策略。定位实验结果表明,MNNGC在合成数据集上的准确率(Acc)均优于对比算法,且在8个UCI数据集上的Acc为最大值。其中在Compound数据集上,MNNGC的Acc、调整互信息(AMI)、调整兰德指数(ARI)和FM指数(FMI)相较于基于局部密度峰值的谱聚类(LDP-SC)算法分别提高38.6、27.2、45.4、35.1个百分点。

关键词：共享近邻趋密性转移概率多阶最近邻分层聚类

来源：评论

学校读者我要写书评

暂无评论

基于Transformer的网络安全态势预测

引用

华中科技大学学报（自然科学版） 2022年第5期50卷 46-52页

作者：赵冬梅李志坚河北师范大学计算机与网络空间安全学院河北石家庄050024 河北师范大学河北省网络与信息安全重点实验室河北石家庄050024 河北师范大学河北省供应链大数据分析与数据安全工程研究中心河北石家庄050024

针对当下网络安全态势预测准确率低的问题,将Transformer用于网络安全态势预测.首先,引入门控循环单元(GRU)来降低样本特征的维度,维度的下降有利于减少训练Transformer的代价和缓解Transformer过拟合问题;然后,将降维后的特征输入Trans... 详细信息

针对当下网络安全态势预测准确率低的问题,将Transformer用于网络安全态势预测.首先,引入门控循环单元(GRU)来降低样本特征的维度,维度的下降有利于减少训练Transformer的代价和缓解Transformer过拟合问题;然后,将降维后的特征输入Transformer层,通过编码器提取具有时序关系的特征;最后,使用全局平均池化处理提取的特征,以减少全连接层的参数量,减缓过拟合问题.在两个网络安全数据集上的实验表明:该方法可以降低训练时间,并且在准确率、精确率和F1值三个指标上的综合表现优于其他方法.

关键词：网络安全态势预测 Transformer 门控循环单元(GRU) 降维

来源：评论

学校读者我要写书评

暂无评论

A^(2)former模型在时间序列预测中的应用研究

引用

人工智能科学与工程 2024年第1期 41-50页

作者：胡倩伟王秀青安阳张诺飞王广超河北师范大学计算机与网络空间安全学院石家庄050024 河北师范大学河北省网络与信息安全重点实验室石家庄050024 河北师范大学河北省供应链大数据分析与数据安全工程研究中心石家庄050024

时间序列预测在金融、医疗、交通和气象等领域发挥着重要作用。在长时间序列预测中,迫切需要提高预测的精度,解决内存不足等问题。近年来,Transformer模型在自然语言处理领域得以成功应用的同时,在预测研究领域也引起了学者们的广泛关注... 详细信息

时间序列预测在金融、医疗、交通和气象等领域发挥着重要作用。在长时间序列预测中,迫切需要提高预测的精度,解决内存不足等问题。近年来,Transformer模型在自然语言处理领域得以成功应用的同时,在预测研究领域也引起了学者们的广泛关注,Transformer变体Informer模型的研究在时间序列预测中取得了较大进展。本研究以Informer框架为基础,与加性注意力机制相结合,提出了A^(2)former模型。利用A^(2)former模型在ETT,WTH,ECL和PM2.5数据集上进行了长时间序列预测的实验,实验结果表明所提模型在长时间序列预测中表现出比基线方法(如Informer模型和LSTMa模型)更好的性能。A^(2)former模型不仅将计算时间复杂度降低到线性,而且可以实现更有效的序列建模。本研究的工作为时间序列预测提供了有益参考。

关键词：时间序列预测加性注意力机制 Transformer模型 Informer模型深度学习

来源：评论

学校读者我要写书评

暂无评论

基于活动的行为关系与关联时间的多视角迹聚类方法

引用

计算机应用研究 2023年第2期40卷 450-455,462页

作者：张顺方欢安徽理工大学数学与大数据学院安徽淮南232001 安徽理工大学安徽省煤矿安全大数据分析与预警技术工程实验室安徽淮南232001

常用的迹聚类方法大多使用相对单一的标准,如利用活动序列关系,而忽略了活动的行为关系、时间或资源属性,这对于一些柔性配置的业务流程系统提升过程挖掘质量是不利的。针对该问题,提出了一种结合活动行为关系与关联时间的多视角迹聚类... 详细信息

常用的迹聚类方法大多使用相对单一的标准,如利用活动序列关系,而忽略了活动的行为关系、时间或资源属性,这对于一些柔性配置的业务流程系统提升过程挖掘质量是不利的。针对该问题,提出了一种结合活动行为关系与关联时间的多视角迹聚类方法。首先,根据活动之间的行为关系构建控制流编码;同时,在时间属性上,把迹表示为一组最近关联活动对及其时间差;其次使用加权聚合的方式集成两个视角下的迹相似性,然后进行聚类调整。最后,将所提方法应用于登录系统场景,并且在五个真实日志上与其他聚类方法进行对比。实验结果表明,该方法能够从复杂的登录系统中发现过程场景,并且从适应度、精度和F 1分数三个度量标准上验证了该方法的优越性。

关键词：迹聚类过程挖掘行为关系时间多视角

来源：评论

学校读者我要写书评

暂无评论

基于自编码器及对比损失的图聚类方法

引用

南京师大学报(自然科学版) 2025年第1期48卷 75-84页

作者：王静红王慧袁绰河北师范大学计算机与网络空间安全学院河北石家庄050024 河北省网络与信息安全重点实验室河北石家庄050024 供应链大数据分析与数据安全河北省工程研究中心河北石家庄050024 河北工程技术学院河北石家庄050020

图聚类根据图数据的内在关系找到组或社区,是数据分析中一项重要的研究问题.近年来,基于自编码器的方法能够获得有效节点属性表示,但未融合结构信息.由于图神经网络的广泛应用,基于半监督图卷积网络和图自编码器的模型能够融合结构信息... 详细信息

图聚类根据图数据的内在关系找到组或社区,是数据分析中一项重要的研究问题.近年来,基于自编码器的方法能够获得有效节点属性表示,但未融合结构信息.由于图神经网络的广泛应用,基于半监督图卷积网络和图自编码器的模型能够融合结构信息,与传统聚类方法相比取得了较好的效果,但标记数据和卷积操作代价昂贵.因此,本文提出了一种基于自编码器及对比损失的图聚类方法.首先该方法使用简单的多层感知器设计自编码器,预训练自编码器学习节点属性表示.其次结合影响对比损失学习图嵌入表示,融合丰富的图结构信息,然后同时迭代优化嵌入表示和自监督聚类任务.最后,使用多个引文网络数据集与基准模型进行对比实验.实验表明,聚类性能得到有效提升,并且参数敏感性分析和变体实验验证了影响对比损失和自监督聚类的有效性.

关键词：图聚类自编码器影响对比损失图嵌入自监督聚类

来源：评论

学校读者我要写书评

暂无评论

基于反向K近邻和密度峰值初始化的加权Kmeans聚类入侵检测算法

引用

南京理工大学学报 2023年第1期47卷 56-65页

作者：张喜梅解滨徐童童张春昊河北师范大学计算机与网络空间安全学院河北石家庄050024 河北师范大学河北省网络与信息安全重点实验室河北石家庄050024 河北师范大学供应链大数据分析与数据安全河北省工程研究中心河北石家庄050024

传统Kmeans聚类算法的性能易受初始类簇中心随机性和类簇中心计算的迭代过程中边缘点和离群点反复计入的影响,为了避免这些影响,该文提出一种基于反向K近邻和密度峰值初始化的加权Kmeans聚类算法。通过样本的近邻信息计算每个样本的反向... 详细信息

传统Kmeans聚类算法的性能易受初始类簇中心随机性和类簇中心计算的迭代过程中边缘点和离群点反复计入的影响,为了避免这些影响,该文提出一种基于反向K近邻和密度峰值初始化的加权Kmeans聚类算法。通过样本的近邻信息计算每个样本的反向K近邻,针对不同规模、不同密度分布数据集,可以自适应地搜索密度峰值点作为初始类簇中心;自适应设定相对簇半径,并通过样本加权进行类簇中心迭代,在不同数据分布下可以有效降低边缘点和离群点对聚类结果的影响。试验结果证明,该算法在聚类性能提升的同时迭代次数大幅降低,随着入侵行为类型和数据规模的增加,该文聚类算法仍体现出较好的性能,且在发现未知攻击类型上效果显著。

关键词： Kmeans聚类入侵检测密度峰值样本加权反向K近邻

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：