检索结果-内蒙古大学图书馆

软件学报 2025年第5期 2130-2150页

作者：贺瑞芳赵堂龙刘焕宇天津大学智能与计算学部天津市认知计算与应用重点实验室

社交媒体文本摘要旨在为面向特定话题的大规模社交媒体短文本(称为帖子)产生简明扼要的摘要描述.考虑帖子表达内容短小、非正式等特点,传统方法面临特征稀疏与信息不足的挑战.近期研究利用帖子间的社交关系学习更好的帖子表示并去除冗... 详细信息

社交媒体文本摘要旨在为面向特定话题的大规模社交媒体短文本(称为帖子)产生简明扼要的摘要描述.考虑帖子表达内容短小、非正式等特点,传统方法面临特征稀疏与信息不足的挑战.近期研究利用帖子间的社交关系学习更好的帖子表示并去除冗余信息,但其忽略了真实社交媒体情景中存在的不可靠噪声关系,使得模型会误导帖子的重要性与多样性判断.因此,提出一种无监督模型DSNSum,其通过去除社交网络中的噪声关系来改善摘要性能.首先,对真实社交关系网络中的噪声关系进行了统计验证;其次,根据社会学理论设计两个噪声函数,并构建一种去噪图自编码器(denoising graph auto-encoder, DGAE),以降低噪声关系的影响,并学习融合可信社交关系的帖子表示;最终,通过稀疏重构框架选择保持覆盖性、重要性及多样性的帖子构成一定长度的摘要.在两个真实社交媒体(Twitter与新浪微博)共计22个话题上的实验结果证明了所提模型的有效性,也为后续相关领域的研究提供了新的思路.

关键词：社交媒体文本摘要图表示学习图神经网络去噪自编码器

来源：评论

学校读者我要写书评

暂无评论

基于元属性学习的事件检测

引用

软件学报 2025年第2期36卷 554-569页

作者：贺瑞芳马劲松黄孝家张仕奇白洁天津大学智能与计算学部天津300350 天津市认知计算与应用重点实验室天津300350 中国电子科技集团公司第五十四研究所河北石家庄050081

事件检测旨在识别非结构化文本中的事件触发词,并将其分类为预定义的事件类别,可用于知识图谱构建及舆情监控等.然而,其中的数据稀疏和不平衡问题严重影响了事件检测系统的性能和可用性.现有大多数方法没有很好地解决这一问题,这源于其... 详细信息

事件检测旨在识别非结构化文本中的事件触发词,并将其分类为预定义的事件类别,可用于知识图谱构建及舆情监控等.然而,其中的数据稀疏和不平衡问题严重影响了事件检测系统的性能和可用性.现有大多数方法没有很好地解决这一问题,这源于其将不同类别的事件独立看待,并通过分类器或空间距离对触发词进行识别和分类.尽管有研究考虑事件大类下子类的事件元素存在关联性,采用多任务学习进行互增强,但忽略了不同类别事件触发词之间的共享属性.已有相关建模事件类别关系的工作需要大量的规则设计和数据标注,导致作用域局限,泛化性不强.因此,提出一种基于元属性的事件检测方法.其旨在学习不同类别样本中包含的共享内在信息,包括:(1)构造触发词的特殊符号表示并通过表示向量的映射来提取触发词的类别无关语义;(2)拼接触发词表示,类别的样本语义表示和类别的标签语义表示,输入一个可训练的相似度度量层,从而建模关于触发词和事件类别的公用相似度度量.通过学习以上两种信息以缓解数据稀疏和不平衡的影响.此外,将样本的类别无关语义集成到分类方法中,并构建完整的融合模型.在ACE2005和MAVEN数据集上通过不同程度稀疏和不平衡情景下的实验证明所提出方法的有效性,并建立传统和少样本设置之间的联系.

关键词：事件检测类别无关语义度量学习少样本学习

来源：评论

学校读者我要写书评

暂无评论

深度学习在基于信息检索的缺陷定位中的应用综述

引用

软件学报 2025年第4期36卷 1530-1556页

作者：曹帅牛菲菲李传艺陈俊洁刘逵葛季栋骆斌计算机软件新技术国家重点实验室(南京大学) 江苏南京210093 南京大学软件学院江苏南京210093 天津大学智能与计算学部天津300350 华为公司软件工程应用技术实验室浙江杭州310007

缺陷自动定位方法可以极大程度减轻开发人员调试和维护软件程序的负担.基于信息检索的缺陷定位方法是广泛研究的缺陷自动定位方法之一,并已取得了较好的成果.随着深度学习的普及,将深度学习应用于基于信息检索的缺陷定位成为近年来的研... 详细信息

缺陷自动定位方法可以极大程度减轻开发人员调试和维护软件程序的负担.基于信息检索的缺陷定位方法是广泛研究的缺陷自动定位方法之一,并已取得了较好的成果.随着深度学习的普及,将深度学习应用于基于信息检索的缺陷定位成为近年来的研究趋势之一.系统梳理和总结了52篇近年来将深度学习引入基于信息检索缺陷定位的工作.首先,总结该类缺陷定位的数据集和评价指标,接着从不同粒度和可迁移性分析了该类技术的定位效果,随后着重梳理了相关工作中信息编码表征方法和特征提取方法.最后总结对比分析了各领域最先进的定位方法,并展望了使用深度学习的基于信息检索的缺陷定位方法的未来发展方向.

关键词：深度学习缺陷定位信息检索特征编码代码表示

来源：评论

学校读者我要写书评

暂无评论

信息解耦式自监督预训练语音大模型

引用

中国图象图形学报 2025年第5期 1272-1285页

作者：王龙标江宇王天锐王晓宝党建武天津大学智能与计算学部认知计算与应用重点实验室中国科学院深圳先进技术研究院

目的探讨了一种基于语音信息解耦策略的语音预训练大模型，利用海量无标注语音数据提取独立的语言信息、副语言信息和非语言信息，为下游的大语言模型和生成模型提供完备且可控的语音信息，推动言语交互系统的发展。方法提出了一种基... 详细信息

目的探讨了一种基于语音信息解耦策略的语音预训练大模型，利用海量无标注语音数据提取独立的语言信息、副语言信息和非语言信息，为下游的大语言模型和生成模型提供完备且可控的语音信息，推动言语交互系统的发展。方法提出了一种基于信息解耦的自监督语音表征学习大模型，以高效解耦韵律、说话人及内容特征。在编码器风格的自监督预训练策略基础上，引入两个轻量化模块，增强韵律和说话人特征提取。同时为避免已提取的信息干扰内容信息的学习，模型通过残差机制将其从主分支中剔除，并采用语音掩码预测机制训练主分支，以优化深层特征在语言处理任务中的表现。通过结合多层特征并调整权重，模型能够获取适用于各类下游任务的特定特征。此外，提出的渐进式解码器优化了预训练大模型在语音生成任务中的适应性。结果实验结果表明，本文方法针对不同数量音频训练的两个版本模型（Base和Large）在多项任务中均表现优越。与HuBERT(speech processing universal performance benchmark)模型相比，Base版本在语音识别、说话人验证和情感识别任务中的准确率分别提升5.65%、13.02%和2.43%;Large版本分别提升2.53%、5.76%和1.78%。在情感音色转换任务中，相较于基线模型ConsistencyVC和wav2vec-vc，本文模型在说话人相似度、情感相似度、词错率和感知质量评分等指标上均有所提升，进一步验证了模型的有效性。结论通过将信息解耦思路融入自监督预训练特征提取大模型，有效提升了模型对语音信息的解析与重构能力，为言语交互大模型提供了新的研究视角与实用工具。本文开源代码地址：https://***/wangtianrui/ProgRE。

关键词：信息解耦自监督学习(SSL) 语音编解码言语交互大模型语音合成

来源：评论

学校读者我要写书评

暂无评论

一种基于区块链的航天测发控系统认证授权方法

引用

航天控制 2025年第2期43卷 86-90页

作者：董文杰梁鸿翔李晓敏李然吴松龄北京航天自动控制研究所北京100854 宇航智能控制技术全国重点实验室北京100854 天津大学智能与计算学部天津300072

紧密围绕航天测发控系统在认证授权、数据安全防护以及异常操作可追溯等方面的安全需求,开展区块链技术在航天测发控系统认证和授权管理上的应用研究。本文详细阐述了航天测发控系统认证授权区块链平台的网络架构、账户信息模型、共识... 详细信息

紧密围绕航天测发控系统在认证授权、数据安全防护以及异常操作可追溯等方面的安全需求,开展区块链技术在航天测发控系统认证和授权管理上的应用研究。本文详细阐述了航天测发控系统认证授权区块链平台的网络架构、账户信息模型、共识机制以及差异化授权智能合约算法的设计方法,通过自主开发的区块链仿真平台对所提出的设计方法进行了验证。

关键词：航天测发控系统区块链认证授权共识算法智能合约

来源：评论

学校读者我要写书评

暂无评论

面向时间感知的知识超图链接预测

引用

软件学报 2023年第10期34卷 4533-4547页

作者：陈子睿王鑫王晨旭张少伟闫浩宇天津大学智能与计算学部天津300350 天津市认知计算与应用重点实验室天津300350

知识超图是一种使用多元关系表示现实世界的异构图,但无论在通用领域还是垂直领域,现有的知识超图普遍存在不完整的情况.因此,如何通过知识超图中已有的链接推理缺失的链接,是一个具有挑战性的问题.目前,大多数研究使用基于多元关系的... 详细信息

知识超图是一种使用多元关系表示现实世界的异构图,但无论在通用领域还是垂直领域,现有的知识超图普遍存在不完整的情况.因此,如何通过知识超图中已有的链接推理缺失的链接,是一个具有挑战性的问题.目前,大多数研究使用基于多元关系的知识表示学习方法完成知识超图的链接预测任务,但这些方法仅从时间未知的超边中学习实体与关系的嵌入向量,没有考虑时间因素对事实动态演变的影响,导致在动态环境中的预测性能较差.首先,根据首次所提出的时序知识超图定义,提出时序知识超图链接预测模型,同时从实体角色、位置和时序超边的时间戳中学习实体的静态表征和动态表征,以一定比例融合后作为实体嵌入向量用于链接预测任务,实现对超边时序信息的充分利用.同时,从理论上证明模型具有完全表达性和线性空间复杂度.此外,通过上市公司的公开经营数据构建时序知识超图数据集CB67,并在该数据集上进行了大量实验评估.实验结果表明,模型能够在时序知识超图数据集上有效地执行链接预测任务.

关键词：时序知识超图链接预测知识表示嵌入学习时序信息

来源：评论

学校读者我要写书评

暂无评论

知识图谱划分算法研究综述

引用

计算机学报 2021年第1期44卷 235-260页

作者：王鑫陈蔚雪杨雅君张小旺冯志勇天津大学智能与计算学部天津300354 天津市认知计算与应用重点实验室天津300354

知识图谱是人工智能的重要基石,因其包含丰富的图结构和属性信息而受到广泛关注.知识图谱可以精确语义描述现实世界中的各种实体及其联系,其中顶点表示实体,边表示实体间的联系.知识图谱划分是大规模知识图谱分布式处理的首要工作,对知... 详细信息

知识图谱是人工智能的重要基石,因其包含丰富的图结构和属性信息而受到广泛关注.知识图谱可以精确语义描述现实世界中的各种实体及其联系,其中顶点表示实体,边表示实体间的联系.知识图谱划分是大规模知识图谱分布式处理的首要工作,对知识图谱分布式存储、查询、推理和挖掘起基础支撑作用.随着知识图谱数据规模及分布式处理需求的不断增长,如何对其进行划分已成为目前知识图谱研究的热点问题.从知识图谱和图划分的定义出发,系统性地介绍当前知识图谱数据划分的各类算法,包括基本、多级、流式、分布式和其他类型图划分算法.首先,介绍4种基本图划分算法:谱划分算法、几何划分算法、分支定界算法、KL及其衍生算法,这类算法通常用于小规模图数据或作为其他划分算法的一部分;然后,介绍多级图划分算法,这类算法对图粗糙化后进行划分再投射回原始图,根据粗糙化过程分为基于匹配的算法和基于聚合的算法;其次,描述3种流式图划分算法,这类算法将顶点或边加载为序列后进行划分,包括Hash算法、贪心算法、Fennel算法,以及这3种算法的衍生算法;再次,介绍以KaPPa、JA-BE-JA和轻量级重划分为代表的分布式图划分算法及它们的衍生算法;同时,在其他类型图划分算法中,介绍近年来新兴的2种图划分算法:标签传播算法和基于查询负载的算法.通过在合成与真实知识图谱数据集上的丰富实验,比较了5类知识图谱代表性划分算法在划分效果、查询处理与图数据挖掘方面的性能差异,分析实验结果并推广到推理层面,获得了基于实验的知识图谱划分算法性能评价结论.最后,在对已有方法分析和比较的基础上,总结目前知识图谱数据划分面临的主要挑战,提出相应的研究问题,并展望未来的研究方向.

关键词：知识图谱图划分多级划分流划分分布式

来源：评论

学校读者我要写书评

暂无评论

基于异构社交上下文的多视图微博主题检测

引用

软件学报 2023年第11期34卷 5162-5178页

作者：贺瑞芳王浩成刘宏宇王博天津大学智能与计算学部天津300350 天津市认知计算与应用重点实验室天津300350

社交媒体主题检测旨在从大规模短帖子中挖掘潜在的主题信息.由于帖子形式简短、表达非正规化,且社交媒体中用户交互复杂多样,使得该任务具有一定的挑战性.前人工作仅考虑了帖子的文本内容,或者同时对同构情境下的社交上下文进行建模,忽... 详细信息

社交媒体主题检测旨在从大规模短帖子中挖掘潜在的主题信息.由于帖子形式简短、表达非正规化,且社交媒体中用户交互复杂多样,使得该任务具有一定的挑战性.前人工作仅考虑了帖子的文本内容,或者同时对同构情境下的社交上下文进行建模,忽略了社交网络的异构性.然而,不同的用户交互方式,如转发,评论等,可能意味着不同的行为模式和兴趣偏好,其反映了对主题的不同的关注与理解;此外,不同用户对同一主题的发展和演化具有不同影响,社区中处于引领地位的权威用户相对于普通用户对主题推断会产生更重要的作用.因此,提出一种新的多视图主题模型(multi-view topic model,MVTM),通过编码微博会话网络中的异构社交上下文来推断更加完整、连贯的主题.首先根据用户之间的交互关系构建一个属性多元异构会话网络,并将其分解为具有不同交互语义的多个视图;接着,考虑不同交互方式与不同用户的重要性,借助邻居级注意力和交互级注意力机制,得到特定视图的嵌入表示;最后,设计一个多视图驱动的神经变分推理方法,以捕捉不同视图之间的深层关联,并自适应地平衡它们的一致性和独立性,从而产生更连贯的主题.在3个月新浪微博数据集上的实验结果证明所提方法的有效性.

关键词：社交媒体主题检测异构社交上下文多视图注意力机制神经变分推理

来源：评论

学校读者我要写书评

暂无评论

一种基于用户评论自动分析的APP维护和演化方法

引用

计算机学报 2020年第11期43卷 2184-2202页

作者：肖建茂陈世展冯志勇刘朋立薛霄天津市认知计算与应用重点实验室天津300350 天津大学智能与计算学部天津300350

应用程序分发平台(如Google Play Store或Apple App Store)允许用户以评分或者评论等形式向下载的应用程序提交反馈.这些反馈信息可以直接或者间接地反映用户意图,及时准确地挖掘用户意图可以极大地帮助移动开发人员持续维护和改善他们... 详细信息

应用程序分发平台(如Google Play Store或Apple App Store)允许用户以评分或者评论等形式向下载的应用程序提交反馈.这些反馈信息可以直接或者间接地反映用户意图,及时准确地挖掘用户意图可以极大地帮助移动开发人员持续维护和改善他们的app,从而更好地满足用户期望.然而,对于很多流行的应用来说,由于其用户评论数据量大、非结构化以及评论质量不一致等,使得识别其中有价值的信息成为一项极具挑战的任务.因此,将用户评论进行自动化分析以减缓人工分析工作量成为app评论挖掘的新思路.本文我们提出了一种自动化用户评论分析方法ARICA(Automatic Review Intention Classification Analysis).首先,ARICA根据用户的评论反馈,自动将评论信息进行意图分类,并使用LDA主题模型对每个分类意图下评论进行主题划分;其次,在每个主题下对表达语义相似的评论进行聚类,进一步,ARICA使用情感分析工具SentiStrength获取用户情感,然后对用户评论的情感分布进行分析来识别用户的重要意图;最后,综合考虑用户意图和用户情感偏好等多维度信息计算用户评论得分并以此划分评论优先级,从而为开发者进行用户评论意见推荐.我们使用Google Play中真实的app评论数据来验证ARICA的评论意图分类和句子聚类的性能.实验结果表明,ARICA在用户评论意图分类过程中准确度达到80%,和现有的基于卷积神经网络的方法TextCNN的相比,ARICA的F-Measure提高了19.1%.同时,评论句子聚类过程中获得86%的准确率.另外,为了验证ARICA推荐用户评论的有效性,我们使用官方的app更新日志来实证分析ARICA推荐的用户评论建议是否可以真实地被开发者采用.结果表明,ARICA可以高效为开发者推荐具有价值信息的评论,这对于开发者进行后续的app维护和演化任务具有重要意义.

关键词：用户评论意图分类情感分析维护和演化意见推荐

来源：评论

学校读者我要写书评

暂无评论

基于多任务学习的中文事件抽取联合模型

引用

软件学报 2019年第4期30卷 1015-1030页

作者：贺瑞芳段绍杨天津大学智能与计算学部天津300350 天津市认知计算与应用重点实验室天津300350

事件抽取旨在从非结构化的文本中提取人们感兴趣的信息,并以结构化的形式呈现给用户.当前,大多数中文事件抽取系统采用连续的管道模型,即:先识别事件触发词,后识别事件元素.其容易产生级联错误,且处于下游的任务无法将信息反馈至上游任... 详细信息

事件抽取旨在从非结构化的文本中提取人们感兴趣的信息,并以结构化的形式呈现给用户.当前,大多数中文事件抽取系统采用连续的管道模型,即:先识别事件触发词,后识别事件元素.其容易产生级联错误,且处于下游的任务无法将信息反馈至上游任务,辅助上游任务的识别.将事件抽取看作序列标注任务,构建了基于CRF多任务学习的中文事件抽取联合模型.针对仅基于CRF的事件抽取联合模型的缺陷进行了两个扩展:首先,采用分类训练策略解决联合模型中事件元素的多标签问题(即:当一个事件提及中包含多个事件时,同一个实体往往会在不同的事件中扮演不同的角色).其次,由于处于同一事件大类下的事件子类,其事件元素存在高度的相互关联性.为此,提出采用多任务学习方法对各事件子类进行互增强的联合学习,进而有效缓解分类训练后的语料稀疏问题.在ACE2005中文语料上的实验证明了该方法的有效性.

关键词：多任务学习条件随机场(CRF) 事件抽取

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：