检索结果-内蒙古大学图书馆

计算机科学与探索 2025年第3期19卷 738-748页

作者：田继帅艾芳菊湖北大学计算机与信息工程学院武汉430062 智慧政务与人工智能应用湖北省工程研究中心武汉430062 大数据智能分析与行业应用湖北省重点实验室(湖北大学) 武汉430062

方面级情感分析作为情感计算领域的重要任务,旨在识别文本中关于特定方面的情感倾向。为了提高在这一任务中的性能,提出了一种增强句法信息与多特征图卷积融合的网络模型(ESMFGCN),利用依赖树表示句子中单词之间的语法结构关系,由于单... 详细信息

方面级情感分析作为情感计算领域的重要任务,旨在识别文本中关于特定方面的情感倾向。为了提高在这一任务中的性能,提出了一种增强句法信息与多特征图卷积融合的网络模型(ESMFGCN),利用依赖树表示句子中单词之间的语法结构关系,由于单纯地使用依赖树方法在建模时会引发不相关的噪声问题,引入了短语结构树,并将短语树转化为层级短语矩阵,并将由依赖树构造的邻接矩阵和层级短语矩阵合并作为图卷积网络的初始矩阵,用于增强句法信息。为了更精细地捕捉方面词与整个句子之间的关联,引入了注意力机制,对方面词上下文和整个句子建立更为精细的关联,并通过图卷积网络提取语义信息。设计融合层用于融合语义信息与句法信息,从而提高方面级情感分析的准确性和鲁棒性。在Restaurant、Laptop、Twitter数据集上分别设计对比实验、消融实验和敏感性分析实验,实验结果表明,相较于其他研究方法,该方法取得了显著的性能提升,证明了模型的有效性和优越性。

关键词：方面级情感分析句法特征注意力机制图卷积网络

来源：评论

学校读者我要写书评

暂无评论

基于多模态数据融合的农作物病害识别方法

引用

计算机应用 2025年第3期45卷 840-848页

作者：陈维施昌勇马传香湖北大学计算机与信息工程学院武汉430062 大数据智能分析与行业应用湖北省重点实验室(湖北大学) 武汉430062

现有的基于深度学习模型的农作物病害识别方法依赖特定农作物病害图像数据集进行图像特征学习,而忽视了文本特征在辅助图像特征学习中的重要性。为了更有效地提高模型对农作物病害图像的特征提取能力及病害识别能力,提出一种基于对比语... 详细信息

现有的基于深度学习模型的农作物病害识别方法依赖特定农作物病害图像数据集进行图像特征学习,而忽视了文本特征在辅助图像特征学习中的重要性。为了更有效地提高模型对农作物病害图像的特征提取能力及病害识别能力,提出一种基于对比语言-图像预训练和多模态数据融合的农作物病害识别方法(CDR-CLIP)。首先,构建高质量的病害识别图像-文本对数据集,利用文本信息增强农作物病害图像的特征表示;其次,利用多模态融合策略有效结合文本特征与图像特征,以加强模型对病害的判别能力;最后,针对性地设计预训练和微调策略,从而优化模型在特定农作物病害识别任务中的表现。实验结果表明,在PlantVillage和AI Challenger 2018农作物病害数据集上,CDR-CLIP的病害识别准确率分别达到99.31%和87.66%,F1值分别达到99.04%和87.56%;在PlantDoc农作物病害数据集上,CDR-CLIP的平均精度均值mAP@0.5达到51.10%,展现出CDR-CLIP强大的性能优势。

关键词：数据融合多模态大语言模型农作物病害识别对比学习

来源：评论

学校读者我要写书评

暂无评论

基于全域信息融合和多维关系感知的命名实体识别模型

引用

计算机应用 2025年第5期 1511-1519页

作者：胡婕武帅星曹芝兰张龑湖北大学计算机学院大数据智能分析与行业应用湖北省重点实验室(湖北大学) 智慧政务与人工智能应用湖北省工程研究中心(湖北大学)

现有的基于双向长短时记忆（BiLSTM）网络的命名实体识别（NER）模型难以全面理解文本的整体语义以及捕捉复杂的实体关系。因此，提出一种基于全域信息融合和多维关系感知的NER模型。首先，通过BERT(Bidirectional Encoder Representati... 详细信息

现有的基于双向长短时记忆（BiLSTM）网络的命名实体识别（NER）模型难以全面理解文本的整体语义以及捕捉复杂的实体关系。因此，提出一种基于全域信息融合和多维关系感知的NER模型。首先，通过BERT(Bidirectional Encoder Representations from Transformers)获取输入序列的向量表示，并结合BiLSTM进一步学习输入序列的上下文信息。其次，提出由梯度稳定层和特征融合模块组成的全域信息融合机制：前者使模型保持稳定的梯度传播并更新优化输入序列的表示，后者则融合BiLSTM的前后向表示获取更全面的特征表示。接着，构建多维关系感知结构学习不同子空间单词的关联性，以捕获文档中复杂的实体关系。此外，使用自适应焦点损失函数动态调整不同类别实体的权重，提高模型对少数类实体的识别性能。最后，在7个公开数据集上将所提模型和11个基线模型进行对比，实验结果表明所提模型的F1值均优于对比模型，可见该模型的综合性较优。

关键词：命名实体识别全域信息融合机制梯度稳定层多维关系感知自适应焦点损失

来源：评论

学校读者我要写书评

暂无评论

基于回指与逻辑推理的文档级关系抽取模型

引用

计算机应用 2025年第5期 1496-1503页

作者：胡婕吴翠孙军张龑湖北大学计算机学院大数据智能分析与行业应用湖北省重点实验室(湖北大学) 智慧政务与人工智能应用湖北省工程研究中心(湖北大学)

在文档级关系抽取（DocRE）任务中，现有模型主要侧重于学习文档中实体间的交互，忽略了对实体内部结构的学习，并很少关注到文档中的代词指代识别问题以及对逻辑规则的应用，这导致模型对文档中实体间关系的建模不够准确。因此，基于Tr... 详细信息

在文档级关系抽取（DocRE）任务中，现有模型主要侧重于学习文档中实体间的交互，忽略了对实体内部结构的学习，并很少关注到文档中的代词指代识别问题以及对逻辑规则的应用，这导致模型对文档中实体间关系的建模不够准确。因此，基于Transformer的架构融合关系回指图，建模实体间交互和实体内部结构，从而利用回指将更多上下文信息聚合到相应实体上以提高关系抽取的准确性。此外，采用数据驱动方式从关系注释中挖掘逻辑规则，增强对文本隐含逻辑关系的理解和推理能力。针对样本不平衡问题，引入加权长尾损失函数提高对稀有关系的识别准确性。在2个公开数据集DocRED(Document-level Relation Extraction Dataset)和Re-DocRED(Revisiting Documentlevel Relation Extraction Dataset)上的实验结果表明，所提模型性能表现最优，在DocRED测试集上，基于BERT编码器的模型的IgnF1和F1值比基线模型ATLOP(Adaptive Thresholding and Localized cOniext Pooling)分别提高了1.79和2.09个百分点，可见所提模型的综合性能较高。

关键词：文档级关系抽取关系回指图逻辑规则样本不平衡加权长尾损失函数

来源：评论

学校读者我要写书评

暂无评论

基于多标签关系图和局部动态重构学习的多标签分类模型

引用

计算机应用 2025年第4期45卷 1104-1112页

作者：胡婕郑启扬孙军张龑湖北大学计算机学院武汉430062 大数据智能分析与行业应用湖北省重点实验室(湖北大学) 武汉430062 智慧政务与人工智能应用湖北省工程研究中心(湖北大学) 武汉430062

在多标签分类任务中,现有模型对依赖关系的构建主要考虑标签在训练集中是否共现,而忽视了标签之间各种不同类型的关系以及在不同样本中的动态交互关系。因此,结合多标签关系图和局部动态重构图学习更完整的标签依赖关系。首先,根据标签... 详细信息

在多标签分类任务中,现有模型对依赖关系的构建主要考虑标签在训练集中是否共现,而忽视了标签之间各种不同类型的关系以及在不同样本中的动态交互关系。因此,结合多标签关系图和局部动态重构图学习更完整的标签依赖关系。首先,根据标签的全局共现关系,采用数据驱动的方式构建多标签关系图,学习标签之间不同类型的依赖关系;其次,通过标签注意力机制探索文本信息和标签语义的关联性;最后,对标签图进行动态重构学习,以捕获标签之间的局部特定关系。在3个公开数据集BibTeX、Delicious和Reuters-21578上的实验结果表明,所提模型的宏平均F1(maF1)值相较于MrMP(Multi-relation Message Passing)分别提高了1.6、1.0和2.2个百分点,综合性能得到提升。

关键词：多标签分类多标签关系图标签依赖关系局部动态重构图标签注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于协作贡献网络的开源项目开发者推荐

引用

计算机应用 2025年第4期45卷 1213-1222页

作者：游兰张雨昂刘源陈智军王伟曾星何张玮湖北大学计算机学院武汉430062 大数据智能分析与行业应用湖北省重点实验室(湖北大学) 武汉430062 智能感知系统与安全教育部重点实验室(湖北大学) 武汉430062 华东师范大学数据科学与工程学院上海200062

面向开源项目推荐开发人员对开源生态建设具有重要意义。区别于传统软件开发,开源领域的开发者、项目、组织及相互关系体现了开放式协作项目的特点,而它们蕴含的语义有助于精准推荐开源项目的开发者。因此,提出一种基于协作贡献网络(CCN... 详细信息

面向开源项目推荐开发人员对开源生态建设具有重要意义。区别于传统软件开发,开源领域的开发者、项目、组织及相互关系体现了开放式协作项目的特点,而它们蕴含的语义有助于精准推荐开源项目的开发者。因此,提出一种基于协作贡献网络(CCN)的开发者推荐(DRCCN)方法。首先,利用开源软件(OSS)开发者、OSS项目、OSS组织之间的贡献关系构建CCN;其次,基于CCN构建一个3层深度的异构GraphSAGE(Graph SAmple and aggreGatE)图神经网络(GNN)模型,预测开发者节点和开源项目节点之间的链接,从而产生相应的嵌入对;最后,根据预测结果,采用K最近邻(KNN)算法完成开发者推荐。在GitHub数据集上训练和测试模型的实验结果表明,相较于序列推荐的对比学习模型CL4SRec(Contrastive Learning for Sequential Recommendation),DRCCN在精确率、召回率和F1值这3个指标上分别提升了约10.7%、2.6%和4.2%。因此,所提模型可以为开源社区项目的开发者推荐提供重要的参考依据。

关键词：开源生态开发者推荐异构信息网络图神经网络开源软件

来源：评论

学校读者我要写书评

暂无评论

基于地理时空关联和社会影响的兴趣点推荐

引用

计算机科学 2025年第5期52卷 128-138页

作者：金红陈礼珂游兰吕顺营周开成肖奎湖北大学计算机学院武汉430062 湖北大学网络空间安全学院武汉430062 大数据智能分析与行业应用湖北省重点实验室(湖北大学) 武汉430062 智能感知系统与安全教育部重点实验室(湖北大学) 武汉430062

随着基于位置的社交网络的流行,个性化兴趣点推荐已经成为一项重要任务。然而现有研究在对上下文信息建模及融合时对其内在联系考虑不充分,其中地理与时间两种上下文之间往往是相互影响的;此外,在建模用户社会关系时主要通过度量不同用... 详细信息

随着基于位置的社交网络的流行,个性化兴趣点推荐已经成为一项重要任务。然而现有研究在对上下文信息建模及融合时对其内在联系考虑不充分,其中地理与时间两种上下文之间往往是相互影响的;此外,在建模用户社会关系时主要通过度量不同用户签到的POI子集之间的直接相似性来表达用户社交行为的相似性程度,未能更好地缓解数据稀疏对不同用户签到POI子集相似性度量的影响。因此,合理地重构了上下文信息模型并有效地融合建模到用户偏好中,提出了一种基于地理时空关联和社会影响的兴趣点推荐方法。该方法根据不同时间状态下用户的主要地理活动中心呈现空间聚集现象,使用带有时间约束的方法评估POI间的地理相关性,以建模POI地理信息对用户签到的影响。进一步地,在对用户社会关系建模时假设具有更多共同签到的POI或签到POI的类别有着更大重合度的用户社交行为的相似性更高,结合POI类别信息来提高社会关系建模的有效性和作用。最后,将提出的地理时空关联模型和用户社会关系模型融合到加权矩阵分解中,进行用户的个性化POI推荐。对比实验结果表明,所提方法具有更好的POI推荐性能,说明了提出的模型在上下文建模和克服数据稀疏性方面更具优势。

关键词：基于位置的社交网络兴趣点推荐数据稀疏地理时空关联社会影响

来源：评论

学校读者我要写书评

暂无评论

基于CNN与GNN的多阶段信息融合推理模型

引用

微电子学与计算机 2025年

作者：孙俊辉邓怡辰余敦辉肖奎湖北大学计算机与信息工程学院武昌首义学院大数据智能分析与行业应用湖北省重点实验室

链接预测旨在识别知识图谱中潜在缺失的三元组。为了得到更优的效果，一些研究引入了多模态信息来进行链接预测。然而这些传统多模态推理方法仍存在处理图像数据欠缺、忽略局部信息、单独利用多模态信息，忽略不同模态之间复杂的相互作... 详细信息

链接预测旨在识别知识图谱中潜在缺失的三元组。为了得到更优的效果，一些研究引入了多模态信息来进行链接预测。然而这些传统多模态推理方法仍存在处理图像数据欠缺、忽略局部信息、单独利用多模态信息，忽略不同模态之间复杂的相互作用等问题。基于此，进而提出一种基于CNN与GNN的多阶段信息融合推理模型AGRMCG，通过在VGG16上引入一个新的多尺度注意力模块，得到的特征表示会根据注意力的影响进行动态调整，以增强模型对图像的表征能力。同时利用局部结构编码器和全局信息编码器从不同视角提取知识图谱实体特征，共同增强对图谱结构信息的捕捉能力。最后在信息融合方面，通过两个阶段对多模态进行融合推理，在第一阶段的多模态融合中利用Tucker分解和对比学习捕捉多模态数据中复杂的特征信息，通过上下文模型得到各个模态以及融合后的多模态预测评分，在第二阶段的决策融合中对多模态在内的所有模态的预测进行加权平均，以增强不同模态信息的互补性，从而获得更优的推理结果。最终在3个数据集上进行的大量实验结果表明AGRMCG模型可以有效缓解当前面临的多模态特征提取和信息融合效果欠佳的问题，与6类基准模型相比，所提模型平均提高了3.168%的预测精度。

关键词：知识图谱推理信息融合图结构信息图像信息

来源：评论

学校读者我要写书评

暂无评论

基于有向加权网的开源社区协作偏好行为分析

引用

软件导刊 2025年第5期 107页

作者：曾星罗丽游兰黄子祎王伟金红湖北大学计算机学院华东师范大学数据科学与工程学院大数据智能分析与行业应用湖北省重点实验室(湖北大学) 智能感知系统与安全教育部重点实验室(湖北大学)

在开源软件开发中，开发者协作网络动态分析对理解和优化项目进展至关重要。目前针对开发者协作网络的研究大多数依赖于无向图模型，对于开发者间协作网络方向性及权重的分析较为粗糙。因此，通过构建开发者角色有向加权协作偏好网络，... 详细信息

在开源软件开发中，开发者协作网络动态分析对理解和优化项目进展至关重要。目前针对开发者协作网络的研究大多数依赖于无向图模型，对于开发者间协作网络方向性及权重的分析较为粗糙。因此，通过构建开发者角色有向加权协作偏好网络，重点研究以下两个问题：一是不同类型开发者间的协作偏好及其随软件版本的演化规律；二是角色变迁如何影响开发者的协作偏好。实验分析结果表明，核心开发者最初主要与核心开发者协作，但随着软件版本演化转向与过渡开发者协作；初级开发者始终偏好于与核心开发者合作；过渡开发者的协作对象随项目阶段变化。通过进一步观察发现，角色变迁显著影响开发者的协作偏好，表明开源软件项目中的协作模式具有显著的动态性和复杂性。

关键词：开发者协作网络有向加权图协作偏好角色变迁软件开发

来源：评论

学校读者我要写书评

暂无评论

基于变体注意力的关系与属性感知实体对齐

引用

计算机科学 2024年

作者：李志康邓怡辰余敦辉肖奎湖北大学计算机与信息工程学院武昌首义学院大数据智能分析与行业应用湖北省重点实验室

现有的实体对齐方法在区分不同邻居对中心实体的表示作用时，大多利用特征相似性或实体间关系的局部特征信息来计算注意力系数，忽略了关系的全局信息，且不能很好区分不同信息对实体对齐的作用。为此提出一种实体对齐模型，根据（关系... 详细信息

现有的实体对齐方法在区分不同邻居对中心实体的表示作用时，大多利用特征相似性或实体间关系的局部特征信息来计算注意力系数，忽略了关系的全局信息，且不能很好区分不同信息对实体对齐的作用。为此提出一种实体对齐模型，根据（关系，邻居）在全图中出现的频率对不同类型的关系分配不同权重，并将该方法融入GAT（Graph Attention Mechanism）中得到一种变体注意力机制以聚合不同邻居。同时，考虑（属性，属性值）在全图中的频率信息，以类似的方法聚合不同属性值，并将结构和实体名嵌入分别与两种信息结合，得到中心实体的两种嵌入表示，最后根据实体对在两种嵌入表示上距离的加权进行实体对齐，以考虑关系和属性信息对实体对齐结果的不同影响。实验结果表明，本文模型在DBP15K的3个跨语言数据集中优于其它主流方法，相比于最优方法的Hit@1指标最高提升了2.15%，且Hit@10和MRR也均有明显提升，表明模型能够有效提高实体对齐的准确性。

关键词：实体对齐知识图谱变体注意力机制属性感知

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：