检索结果-内蒙古大学图书馆

计算机科学 2024年第S02期51卷 76-82页

作者：林浩楠谭红叶冯慧敏山西大学计算机与信息技术学院太原030006 山西大学计算智能与中文信息处理教育部重点实验室太原030006

临床发现识别与阴阳性判别是智慧医疗领域的重要任务之一,旨在识别医患对话等医疗文本中的疾病与症状,并判断其阴阳性状态。该任务的现有研究主要不足有:(1)缺乏对医患对话语义信息、对话结构等特征的建模,导致模型准确率不高;(2)将该... 详细信息

临床发现识别与阴阳性判别是智慧医疗领域的重要任务之一,旨在识别医患对话等医疗文本中的疾病与症状,并判断其阴阳性状态。该任务的现有研究主要不足有:(1)缺乏对医患对话语义信息、对话结构等特征的建模,导致模型准确率不高;(2)将该任务分为识别与判别两阶段进行,引起错误累积问题。针对以上不足,提出结合对话信息的统一生成模型,通过构建静态-动态融合图对医患对话语义、结构等信息建模,增强模型的对话理解能力;使用生成式语言模型将临床发现识别与阴阳性判别两个子任务统一为一个序列生成任务,以缓解错误累积问题,并且通过识别阴阳性指示词,辅助模型提高阴阳性判别准确率。在CHIP2021评测数据集CHIP-MDCFNPC上的实验结果表明:所提方法在F1指标上达到了71.83%,比基线模型平均提升了2.82%。

关键词：医患对话临床发现识别阴阳性判别对话建模统一生成模型

来源：评论

学校读者我要写书评

暂无评论

基于彩色图像高频信息引导的深度图超分辨率重建算法研究

引用

计算机科学 2024年第7期51卷 197-205页

作者：李嘉莹梁宇栋李少吉张昆鹏张超山西大学计算机与信息技术学院太原030006 山西大学计算智能与中文信息处理教育部重点实验室太原030006

深度图像信息是三维场景信息的重要组成部分,然而,由于采集设备的局限性和成像环境的多样性,深度传感器获取的深度图像往往分辨率较低、高频信息较少,限制了其在各种计算机视觉任务中的进一步应用。深度图超分辨率试图提高深度图的分辨... 详细信息

深度图像信息是三维场景信息的重要组成部分,然而,由于采集设备的局限性和成像环境的多样性,深度传感器获取的深度图像往往分辨率较低、高频信息较少,限制了其在各种计算机视觉任务中的进一步应用。深度图超分辨率试图提高深度图的分辨率,是一项实用而有价值的任务。同一场景下的RGB图像分辨率高,纹理信息丰富,部分深度图超分辨率算法通过引入来自同一场景下的RGB图像提供指导信息,实现了算法性能的显著提升。然而,由于RGB图像和深度图之间的模态不一致,如何充分、有效地利用RGB信息辅助深度图像进行图像超分辨率重建仍然极具挑战。为此,提出了一种基于彩色图像高频信息引导的深度图超分辨率重建算法。具体地,设计了一个高频特征提取模块来自适应地学习彩色图像中的高频信息,以指导深度图边缘的重建。另外,设计了一个特征自注意力模块来获取特征之间的全局依赖,同时提取更深层次的特征,以帮助深度图细节信息的恢复。经过跨模态融合,重组深度图像特征和彩色图像引导特征,并使用多尺度特征融合模块融合不同尺度特征之间的空间结构信息,获取包含多级感受野的重建信息。最后,通过深度重建模块,恢复相应的高分辨率深度图。公开数据集上的实验结果表明所提方法在定量和定性两方面均优于对比方法,验证了所提方法的有效性。

关键词：深度图超分重建深度学习跨模态特征融合高频信息自注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于异常检测的标签噪声过滤框架

引用

计算机科学 2024年第2期51卷 87-99页

作者：许茂龙姜高霞王文剑山西大学计算机与信息技术学院太原030006 计算智能与中文信息处理教育部重点实验室(山西大学) 太原030006

噪声是影响机器学习模型可靠性的重要因素,而标签噪声相比特征噪声对模型训练更具决定性的影响。噪声过滤是处理标签噪声的一种有效方法,它不需要估计噪声率,也不需要依赖任何损失函数,然而目前大多数标签噪声过滤算法都会面临过度清洗... 详细信息

噪声是影响机器学习模型可靠性的重要因素,而标签噪声相比特征噪声对模型训练更具决定性的影响。噪声过滤是处理标签噪声的一种有效方法,它不需要估计噪声率,也不需要依赖任何损失函数,然而目前大多数标签噪声过滤算法都会面临过度清洗问题。针对此问题,文中提出了基于异常检测的标签噪声过滤框架,并在此框架下给出了一种自适应近邻聚类的标签噪声过滤算法AdNN(Label Noise Filtering via Adaptive Nearest Neighbor Clustering)。该算法分别考虑分类问题中的每一个类别,把标签噪声检测问题转化成离群点检测问题,识别出每一个类别的离群点,然后根据相对密度去除离群点中的非噪声样本,得到噪声备选集,最后通过噪声因子对噪声备选集中的离群点进行噪声识别和过滤。实验结果表明,在合成数据集和公开数据集上,所提噪声过滤方法可以减轻过度清洗现象,同时能够得到很好的噪声过滤效果和分类预测性能。

关键词：标签噪声过滤离群点检测自适应k近邻相对密度噪声因子

来源：评论

学校读者我要写书评

暂无评论

融合高阶组结构信息的节点分类算法

引用

计算机科学 2025年第2期52卷 107-115页

作者：郑文萍韩艺恒刘美麟山西大学计算机与信息技术学院太原030006 计算智能与中文信息处理教育部重点实验室(山西大学) 太原030006 山西大学智能信息处理研究所太原030006

节点的局部邻域内通常存在具有特定局部连接模式且频繁出现的高阶组结构,这些组结构可以更准确地刻画节点拓扑特征,有助于理解网络的结构特征及节点间的交互模式。基于此,利用节点局部邻域内的高阶组结构特征计算节点间的结构相似性,并... 详细信息

节点的局部邻域内通常存在具有特定局部连接模式且频繁出现的高阶组结构,这些组结构可以更准确地刻画节点拓扑特征,有助于理解网络的结构特征及节点间的交互模式。基于此,利用节点局部邻域内的高阶组结构特征计算节点间的结构相似性,并提出了一种融合高阶组结构信息的节点分类算法NHGS(Node Classification Algorithm Fusing High-order Group Structure Information)。该算法将k元组内形成的不同构的导出子图作为其初始组标签,利用Weisfeiler-Lehman(WL)算法迭代地聚合其邻域k元组的标签信息以更新k元组标签;节点在不同k元组标签中的出现次数构成了节点的特征向量,利用节点间特征向量的相似性表示节点间的结构相似性;结合节点的属性信息,并通过自编码器神经网络得到节点嵌入,进而对网络中的节点进行分类。NHGS将节点局部邻域内的k元节点组结构信息与节点的属性信息相结合,得到了包含高阶结构信息的节点表示。在真实属性网络上的实验表明,所提方法能有效计算出节点间的结构相似性,提升了节点分类任务的性能。

关键词：节点分类高阶结构结构相似性网络表示图神经网络

来源：评论

学校读者我要写书评

暂无评论

基于双监督网络嵌入的社区发现算法

引用

模式识别与人工智能 2022年第3期35卷 283-290页

作者：郑文萍王英楠杨贵山西大学计算机与信息技术学院太原030006 山西大学计算智能与中文信息处理教育部重点实验室太原030006 山西大学智能信息处理研究所太原030006

针对基于网络嵌入的社区检测算法中节点嵌入和聚类过程独立进行时容易陷入局部极值的问题,文中提出基于双监督网络嵌入的社区发现算法.首先利用图自编码器,得到可保持网络的一阶相似性的节点嵌入.优化模块度,发现拓扑连接紧密的社区.采... 详细信息

针对基于网络嵌入的社区检测算法中节点嵌入和聚类过程独立进行时容易陷入局部极值的问题,文中提出基于双监督网络嵌入的社区发现算法.首先利用图自编码器,得到可保持网络的一阶相似性的节点嵌入.优化模块度,发现拓扑连接紧密的社区.采用自监督聚类优化,发现嵌入空间上相似的社区.引入互监督机制,使发现的社区在模块度优化和自监督聚类这两个角度上具有一致性,同时避免算法陷入局部极值.4个真实网络上的对比实验表明,DSNE性能较优.

关键词：社区发现网络嵌入图自编码器模块度

来源：评论

学校读者我要写书评

暂无评论

结合Hybrid Attention机制和BiLSTM-CRF的汉语否定语义表示及标注

引用

计算机工程与应用 2023年第9期59卷 167-175页

作者：李晋荣吕国英李茹柴清华王超山西大学计算机与信息技术学院太原030006 山西大学、计算智能与中文信息处理教育部重点实验室太原030006 山西大学外国语学院太原030006

阅读理解中否定是一种复杂的语言现象,其往往会反转情感或态度的极性。因此,正确分析否定语义对语篇理解具有重要意义。现有否定语义分析方法存在两个问题:第一,研究的否定词较少达不到应用目的;第二,目前汉语否定语义标注只是标注整个... 详细信息

阅读理解中否定是一种复杂的语言现象,其往往会反转情感或态度的极性。因此,正确分析否定语义对语篇理解具有重要意义。现有否定语义分析方法存在两个问题:第一,研究的否定词较少达不到应用目的;第二,目前汉语否定语义标注只是标注整个句子,这无法明确否定语义。针对该问题提出基于汉语框架语义知识库(Chinese FrameNet)进行否定语义角色标注方法。在框架语义学理论指导下结合汉语否定语义特征对已由FrameNet继承的否定框架重新构建;为了解决捕捉长距离信息以及句法特征问题,提出一种基于Hybrid Attention机制的BiLSTMCRF语义角色标注模型,其中,Hybrid Attention机制层将局部注意与全局注意结合准确表示句子中的否定语义,BiLSTM网络层自动学习并提取语句上下文信息,CRF层预测最优否定语义角色标签。经过比对验证,该模型能够有效提取出含有否定语义信息,在否定语义框架数据集上F1值达到89.82%。

关键词：汉语框架语义知识库语义角色标注否定框架双向长短期记忆网络混合注意力机制

来源：评论

学校读者我要写书评

暂无评论

融合显著边界约束的弱监督语义分割方法

引用

计算机工程与应用 2025年

作者：白雪飞张丽娜王文剑山西大学计算机与信息技术学院山西大学计算智能与中文信息处理教育部重点实验室山西警察学院网络安全保卫系

针对现有弱监督语义分割方法存在的类激活不足，伪标签边界不清晰的问题，提出了融合显著边界约束的弱监督语义分割方法。提出由共享参数的孪生网络作为类激活图生成网络，将仿射变换前后的图像作为孪生网络两个分支的输入，得到不同的... 详细信息

针对现有弱监督语义分割方法存在的类激活不足，伪标签边界不清晰的问题，提出了融合显著边界约束的弱监督语义分割方法。提出由共享参数的孪生网络作为类激活图生成网络，将仿射变换前后的图像作为孪生网络两个分支的输入，得到不同的类激活图后，通过一致性损失函数融合仿射变换前后的互补信息，以生成具有完整信息的类激活图。设计显著性修正模块，在类激活图中引入边界约束，抑制背景信息的错误激活；同时，设计显著性亲和模块从显著图中学习像素之间的亲和矩阵，进一步细化初始伪标签，提升模型的语义分割性能。实验结果表明，该方法在PASCAL VOC 2012验证集上的mIoU值为71.4%，与基线相比，性能提升了2.1%，测试集上的mIoU值为70.8%；在COCO 2014验证集上的mIoU值为39.2%，展现了良好的分割结果，该方法可以更好地完成弱监督语义分割任务。

关键词：弱监督语义分割图像级标签 Transformer 卷积神经网络孪生网络显著图

来源：评论

学校读者我要写书评

暂无评论

旅游自动问答系统中多任务问句分类研究

引用

计算机应用与软件 2024年第1期41卷 336-342页

作者：陈千冯子珍王素格郭鑫山西大学计算机与信息技术学院山西太原030006 山西大学计算智能与中文信息处理教育部重点实验室山西太原030006

目前旅游产业信息化建设需要构建旅游自动问答系统,其中问句分类是问答系统的重要组成部分,传统问句类别体系角度单一,且传统分类模型对不平衡的问句数据集表现欠佳。针对这一问题,该文从问题主题和问句答案类型两个角度构建了旅游领域... 详细信息

目前旅游产业信息化建设需要构建旅游自动问答系统,其中问句分类是问答系统的重要组成部分,传统问句类别体系角度单一,且传统分类模型对不平衡的问句数据集表现欠佳。针对这一问题,该文从问题主题和问句答案类型两个角度构建了旅游领域的问句类别体系架构,并提出多任务问句分类模型MT-Bert,在BERT上进行多任务训练,并加入自注意力机制,使用Softmax分类器,并设计了多任务融合损失函数。在山西旅游数据集的结果表明,MT-Bert在两种类别体系的微平均F1值分别为97.6%、91.7%,且避免了非平衡数据的预测失败问题,可以有效处理非平衡数据。

关键词：旅游问答问句分类分类体系 BERT 自注意力多任务

来源：评论

学校读者我要写书评

暂无评论

基于BERT位置感知的旅游三元组知识抽取方法

引用

计算机应用与软件 2024年第1期41卷 343-349页

作者：张诺王素格李大宇山西大学计算机与信息技术学院山西太原030006 山西大学计算智能与中文信息处理教育部重点实验室山西太原030006

直接获取文本中的三元组,往往存在语义联系较弱、距离过长和一词多义的问题,因此,提出基于BERT预训练的位置感知的两阶段旅游三元组知识抽取方法。利用BERT-Span模型通过边界预测方法对旅游实体进行识别;利用旅游数据中的字、语义、位... 详细信息

直接获取文本中的三元组,往往存在语义联系较弱、距离过长和一词多义的问题,因此,提出基于BERT预训练的位置感知的两阶段旅游三元组知识抽取方法。利用BERT-Span模型通过边界预测方法对旅游实体进行识别;利用旅游数据中的字、语义、位置和实体类型特征,构建融合位置感知注意力和头尾实体类型的关系抽取模型。在山西旅游数据集上进行实验,实验结果表明提出的方法优于基准模型的F1值。

关键词：旅游知识图谱三元组实体识别关系抽取位置感知

来源：评论

学校读者我要写书评

暂无评论

类簇分布引导的标签噪声检测与清洗

引用

小型微型计算机系统 2025年

作者：姜高霞张妮王文剑山西大学计算机与信息技术学院山西大学计算智能与中文信息处理教育部重点实验室山西警察学院网络安全保卫系

标签噪声通常会误导分类器训练并对分类性能产生负面影响。利用聚类技术可以实现类簇分布引导的标签噪声辅助检测，但存在特征语义和标签语义不一致的问题，导致噪声识别过于敏感。为了充分挖掘数据分布信息以提升噪声检测准确度，本文... 详细信息

标签噪声通常会误导分类器训练并对分类性能产生负面影响。利用聚类技术可以实现类簇分布引导的标签噪声辅助检测，但存在特征语义和标签语义不一致的问题，导致噪声识别过于敏感。为了充分挖掘数据分布信息以提升噪声检测准确度，本文提出一种类簇分布引导的噪声检测与清洗方法(Cluster distribution-guided label noise detection and cleaning， CDGDC)。该方法通过类别编码的属性增强机制实现特征语义和标签语义的自适应融合，并构造近邻特征曲线来进一步排除伪标签噪声，最后对识别出的噪声进行纠正或过滤的针对性清洗以提升数据质量。实验结果表明，所提方法在模拟和真实含噪数据集上能够准确识别标签噪声，并有效提高了分类器泛化性能。

关键词：标签噪声类簇分布语义一致性噪声检测与清洗泛化性能

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：