检索结果-内蒙古大学图书馆

计算机工程与应用 2024年第6期60卷 155-162页

作者：刘岚谭红叶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

智慧医疗是融合了人工智能技术的新型健康医疗服务模式,其中医疗报告自动生成是智慧医疗领域的一项重要任务,该任务依据病人自述和医患对话,生成半结构化的医疗报告。医疗报告不仅包含主诉等多个子部分,而且包含大量来自原文的医疗术语... 详细信息

智慧医疗是融合了人工智能技术的新型健康医疗服务模式,其中医疗报告自动生成是智慧医疗领域的一项重要任务,该任务依据病人自述和医患对话,生成半结构化的医疗报告。医疗报告不仅包含主诉等多个子部分,而且包含大量来自原文的医疗术语。针对这些特点,采用了融入BioCopy机制的抽取与生成结合的摘要模型,模型首先对每个子部分进行关键句抽取,排除无关信息的干扰;然后在生成医疗报告时加入BioCopy机制以复制关键句中的医疗术语,保证结果的准确性。在CCL 2021相关数据集上的实验结果表明:该模型优于主要baseline,取得了较好的效果。

关键词：医疗报告自动生成抽取与生成 BioCopy

来源：评论

学校读者我要写书评

暂无评论

一种快速均值飘移图像分割算法

引用

数据采集与处理 2015年第1期30卷 192-201页

作者：赵胜男王文剑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

图像分割是图像分析及图像理解的关键步骤。与其他图像分割算法相比,均值漂移(Mean Shift)算法具有原理简单、无需先验知识、可以处理灰度图像及复杂的自然彩色图像等优点。但该算法需要对图像中每个像素点进行迭代计算,因此分割所需要... 详细信息

图像分割是图像分析及图像理解的关键步骤。与其他图像分割算法相比,均值漂移(Mean Shift)算法具有原理简单、无需先验知识、可以处理灰度图像及复杂的自然彩色图像等优点。但该算法需要对图像中每个像素点进行迭代计算,因此分割所需要的时间较长。本文提出了一种快速Mean Shift图像分割算法(Fast mean shift,FMS),将少量像素点作为初始点进行迭代计算,而出现在高维球区域内的其他像素点根据其到已有类中心的距离进行归类,从而减少Mean Shift算法的迭代次数,缩短分割时间。实验结果表明,本文提出的快速Mean Shift图像分割算法可以获得良好的分割结果且具有较高的分割效率。

关键词：图像分割均值飘移聚类归并

来源：评论

学校读者我要写书评

暂无评论

融合描述信息和结构特征的知识图谱链接预测

引用

计算机科学与探索 2024年第2期18卷 486-495页

作者：陈加兴胡志伟李茹韩孝奇卢江闫智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

知识图谱普遍存在知识不完整的问题,这使得链接预测成为知识图谱的重要研究内容。现有模型仅关注三元组的嵌入表示,一方面,在模型的输入仅对实体和关系的嵌入表示进行随机初始化,并未融入实体及关系的描述信息,会缺失语义信息;另一方面... 详细信息

知识图谱普遍存在知识不完整的问题,这使得链接预测成为知识图谱的重要研究内容。现有模型仅关注三元组的嵌入表示,一方面,在模型的输入仅对实体和关系的嵌入表示进行随机初始化,并未融入实体及关系的描述信息,会缺失语义信息;另一方面,在解码时忽略三元组自身结构特征对链接预测结果的影响。针对上述问题,提出一种融合描述信息与结构特征的知识图谱链接预测模型BFGAT。BFGAT模型利用BERT预训练模型编码实体和关系的描述信息,并将描述信息融入到实体与关系的嵌入表示中,解决缺失语义信息的问题;在编码过程使用图注意力机制聚合邻接节点的信息,解决目标节点获得更为丰富信息的问题;在解码过程把三元组的嵌入表示拼接成矩阵,采用基于CNN卷积池化的方法,解决三元组结构特征的问题。该模型在公开数据集FB15k-237和WN18RR上进行了详细的实验,实验表明BFGAT模型能有效提高知识图谱链接预测的效果。

关键词：知识图谱链接预测 BERT 卷积神经网络(CNN)

来源：评论

学校读者我要写书评

暂无评论

蕴涵的决策蕴涵表示研究

引用

计算机科学与探索 2021年第7期15卷 1322-1331页

作者：王亚丽翟岩慧张少霞贾楠李德玉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

形式概念分析能够使用概念格和(属性)蕴涵来对知识进行可视化和表示。决策蕴涵是一种特殊的蕴涵,而决策蕴涵的研究就是在蕴涵中建立并研究一个/多个封闭的子系统(包括决策蕴涵子系统及相应的语义和语构子系统)。为了进一步厘清蕴涵和决... 详细信息

形式概念分析能够使用概念格和(属性)蕴涵来对知识进行可视化和表示。决策蕴涵是一种特殊的蕴涵,而决策蕴涵的研究就是在蕴涵中建立并研究一个/多个封闭的子系统(包括决策蕴涵子系统及相应的语义和语构子系统)。为了进一步厘清蕴涵和决策蕴涵之间的关系,对由决策蕴涵子系统能不能得到整个蕴涵系统进行了研究。事实上,如果蕴涵可以由决策蕴涵推出,那么关于蕴涵和规范基的研究就可以转化为决策蕴涵和决策蕴涵规范基的研究。首先给出了蕴涵可以由决策蕴涵表示的充要条件;接着通过实例表明,存在一些蕴涵不可由决策蕴涵表示,因此进一步区分了直接表示和间接表示;最后通过研究决策背景中只有一个决策属性时不可被直接表示的蕴涵所具有的特点,给出了蕴涵不可由决策蕴涵直接表示的充要条件,并给出了不可被直接表示蕴涵的生成方法。这种研究为蕴涵和规范基的研究提供了一种新视角,同时也为形式概念分析更深入的理论研究工作奠定了基础。

关键词：形式概念分析(FCA) 概念格蕴涵决策蕴涵

来源：评论

学校读者我要写书评

暂无评论

面向节点分类任务的节点级自适应图卷积神经网络

引用

模式识别与人工智能 2024年第4期37卷 287-298页

作者：王鑫隆胡睿郭亚梁杜航原张槟淇王文剑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 山西警察学院网络安全保卫系太原030401

图神经网络通过对图中节点的递归采样与聚合以学习节点嵌入,而现有方法中节点采样与聚合的模式较固定,对局部模式的多样性捕获存在不足,从而降低模型性能.因此,文中提出节点级自适应图卷积神经网络(Node-Level Adaptive Graph Convoluti... 详细信息

图神经网络通过对图中节点的递归采样与聚合以学习节点嵌入,而现有方法中节点采样与聚合的模式较固定,对局部模式的多样性捕获存在不足,从而降低模型性能.因此,文中提出节点级自适应图卷积神经网络(Node-Level Adaptive Graph Convolutional Neural Network,NA-GCN).设计基于节点重要性的采样策略,自适应地确定各节点的邻域规模.同时,提出基于自注意力机制的聚合策略,自适应地融合给定邻域内的节点信息.在多个基准图数据集上的实验表明,NA-GCN在节点分类任务上具有较优性能.

关键词：自适应采样自适应聚合节点分类图神经网络(GNNs) 谱图理论

来源：评论

学校读者我要写书评

暂无评论

面向新冠新闻的三阶段篇章级事件抽取方法

引用

计算机工程与应用 2023年第3期59卷 150-157页

作者：郭鑫高彩翔陈千王素格王雪婧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

事件抽取是信息抽取领域的一个研究热点。在新冠肺炎疫情常态化下,利用事件抽取技术可以筛选出有价值的信息。然而事件抽取领域缺乏精标注的新冠新闻训练数据集,且因部分事件的复杂性,论元不只存在于一句话中,需要多个句子才能完整描述... 详细信息

事件抽取是信息抽取领域的一个研究热点。在新冠肺炎疫情常态化下,利用事件抽取技术可以筛选出有价值的信息。然而事件抽取领域缺乏精标注的新冠新闻训练数据集,且因部分事件的复杂性,论元不只存在于一句话中,需要多个句子才能完整描述一个事件。因此,首先构建新冠肺炎新闻数据集,接着提出一种三阶段的管道方法实现从篇章中抽取新冠肺炎事件。该方法对数据集进行事件类型分类;进行事件句的抽取;实现篇章级论元抽取。实验结果表明提出的方法能够减少事件分类时间,抽取两个事件句的条件下,对数据通报类论元识别效果最好,准确率、召回率和F1值达到75.0%、73.0%,和74.0%,证明方法能有效抽取新冠肺炎相关篇章级事件。

关键词：新冠肺炎信息抽取事件句抽取篇章级事件抽取

来源：评论

学校读者我要写书评

暂无评论

融合社交网络信息的协同过滤推荐算法

引用

模式识别与人工智能 2016年第3期29卷 281-288页

作者：郭兰杰梁吉业赵兴旺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

在推荐系统中,协同过滤推荐算法往往面临数据集的高度稀疏性和推荐精度有限的问题.为了解决上述问题,在基于物品的协同过滤推荐框架下,分别在物品相似度的计算和用户对物品的评分预测阶段,利用社交网络中朋友关系信息选择性地填充评分... 详细信息

在推荐系统中,协同过滤推荐算法往往面临数据集的高度稀疏性和推荐精度有限的问题.为了解决上述问题,在基于物品的协同过滤推荐框架下,分别在物品相似度的计算和用户对物品的评分预测阶段,利用社交网络中朋友关系信息选择性地填充评分矩阵中的缺失值,最大化利用评分矩阵中的已有信息,提出融合社交网络信息的协同过滤推荐算法.最后,在Epinions数据集上的实验表明,文中算法在一定程度上缓解数据稀疏性问题,同时在评分误差和分类准确率两个指标上优于其它协同过滤算法.

关键词：协同过滤社交网络缺失值填充数据稀疏性

来源：评论

学校读者我要写书评

暂无评论

生成样本对抗训练的图半监督学习

引用

计算机科学与探索 2023年第2期17卷 367-375页

作者：王聪王杰刘全明梁吉业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

给定一个由少量标记节点和大量未标记节点组成的图,图半监督学习的目标是为图中的未标记节点分配标签。生成对抗网络已经在半监督学习中展示了强大的能力,但基于生成对抗网络的图半监督学习的研究工作较少,目前的工作主要关注在低密度... 详细信息

给定一个由少量标记节点和大量未标记节点组成的图,图半监督学习的目标是为图中的未标记节点分配标签。生成对抗网络已经在半监督学习中展示了强大的能力,但基于生成对抗网络的图半监督学习的研究工作较少,目前的工作主要关注在低密度区域生成未标记样本削弱子图之间的信息传播,从而使决策边界更清晰,但在这类方法中,标记样本过少仍是其面临的主要挑战。针对这个问题,提出了一种基于生成样本对抗训练的图半监督学习算法。该算法基于生成对抗网络,分别生成服从真实样本分布的标记样本和与真实样本分布不同的未标记样本,其中生成的标记样本扩充了监督信息,生成的未标记样本减少了密度间隙中邻近节点的影响,从而提高了图半监督分类效果。相比现有的方法,提出的算法全面考虑了标记样本和未标记样本对图半监督学习的影响,使其分类能力更强。同时在不同的数据集上进行了大量的实验,验证了该方法的有效性。

关键词：图半监督学习生成对抗网络(GAN) 对抗训练生成样本图嵌入

来源：评论

学校读者我要写书评

暂无评论

关键节点选择的快速图聚类算法

引用

计算机科学与探索 2021年第10期15卷 1930-1937页

作者：尤坊州白亮山西大学计算机与信息技术学院太原030006 山西大学计算机智能与中文信息处理教育部重点实验室太原030006

在众多聚类算法中,谱聚类作为一种代表性的图聚类算法,由于其对复杂数据分布的适应性强、聚类效果好等优点而受到人们的广泛关注。然而,由于其高计算时间复杂度难以应用于处理大规模数据。为提高谱聚类算法在大规模数据集上的可用性,提... 详细信息

在众多聚类算法中,谱聚类作为一种代表性的图聚类算法,由于其对复杂数据分布的适应性强、聚类效果好等优点而受到人们的广泛关注。然而,由于其高计算时间复杂度难以应用于处理大规模数据。为提高谱聚类算法在大规模数据集上的可用性,提出关键节点选择的快速图聚类算法。该算法包含三个重要步骤:第一,提出一种充分考虑抱团性和分离性的快速节点重要性评价方法;第二,选择关键节点代替原数据集构建二分图,通过奇异值分解获得数据的近似特征向量;第三,集成多次的近似特征向量,提高近似谱聚类结果的鲁棒性。该算法将时间复杂度由谱聚类原有的O(n3)降低到O(t(n+2n2)),增强了其在大规模数据集上的可用性。通过该算法与其他七个具有代表性的谱聚类算法在五个Benchmark数据集上进行的实验分析,比较结果展示了该算法相比其他算法能够更加高效地识别数据中的复杂类结构。

关键词：聚类分析图聚类谱聚类聚类集成关键节点选择

来源：评论

学校读者我要写书评

暂无评论

基于密度峰值聚类的自适应欠采样方法

引用

模式识别与人工智能 2020年第9期33卷 811-819页

作者：崔彩霞曹付元梁吉业山西大学计算机与信息技术学院太原030006 太原师范学院计算机科学与技术系晋中030619 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

基于K-means聚类的欠采样存在仅适用于超球形状数据、未考虑重叠区对分类的影响及簇中样本的稠密程度等问题.因此,文中提出基于密度峰值聚类的自适应欠采样方法.首先利用近邻搜索算法识别重叠区的多数类样本并将其删除.然后应用改进的... 详细信息

基于K-means聚类的欠采样存在仅适用于超球形状数据、未考虑重叠区对分类的影响及簇中样本的稠密程度等问题.因此,文中提出基于密度峰值聚类的自适应欠采样方法.首先利用近邻搜索算法识别重叠区的多数类样本并将其删除.然后应用改进的密度峰值聚类自动获得多个不同形状、大小和密度的子簇.再根据子簇中样本的稠密程度计算采样权重并进行欠采样,在获得的平衡数据集上进行bagging集成分类.实验表明,文中方法在大多数数据集上性能表现较优.

关键词：不平衡数据分类欠采样密度峰值聚类重叠区

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：