检索结果-内蒙古大学图书馆

山东大学学报（理学版） 2022年第4期57卷 12-20,29页

作者：韩露郭鑫垚魏巍梁吉业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

为解决经典的多度量学习算法从预先获得的样本划分中学习度量时,样本划分不精确所导致局部度量拟合能力不足的问题,基于约束分层加权的思想,提出了为约束逐层分配度量并使其度量尽可能满足当前所有约束的优化模型,同时添加正则项使得不... 详细信息

为解决经典的多度量学习算法从预先获得的样本划分中学习度量时,样本划分不精确所导致局部度量拟合能力不足的问题,基于约束分层加权的思想,提出了为约束逐层分配度量并使其度量尽可能满足当前所有约束的优化模型,同时添加正则项使得不同度量对应的约束应该尽可能不同。由于单个样本所形成的不同约束可能对应不同的局部度量,相比于传统的多度量学习方法,提出的算法能够获得更精细的局部度量且更具有灵活性,使得度量的拟合能力更强。实验结果表明,提出的算法在真实数据集上对比代表性的单度量学习算法和多度量学习算法具有明显的优势。

关键词：度量学习约束加权马氏距离三元约束多度量学习

来源：评论

学校读者我要写书评

暂无评论

多模块联合的阅读理解候选句抽取

引用

中文信息学报 2022年第6期36卷 109-116页

作者：吉宇王笑月李茹郭少茹关勇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

机器阅读理解作为自然语言理解的关键任务,受到国内外学者广泛关注。针对多项选择型阅读理解中无线索标注且涉及多步推理致使候选句抽取困难的问题,该文提出一种基于多模块联合的候选句抽取模型。首先采用部分标注数据微调预训练模型;... 详细信息

机器阅读理解作为自然语言理解的关键任务,受到国内外学者广泛关注。针对多项选择型阅读理解中无线索标注且涉及多步推理致使候选句抽取困难的问题,该文提出一种基于多模块联合的候选句抽取模型。首先采用部分标注数据微调预训练模型;然后通过TF-IDF递归式抽取多跳推理问题中的候选句;最后结合无监督方式进一步筛选模型预测结果降低冗余性。该文在高考语文选择题及RACE数据集上进行验证,在候选句抽取中,该方法相比于最优基线模型F_(1)值提升3.44%,在下游答题任务中采用候选句作为模型输入较全文输入时准确率分别提高3.68%和3.6%,上述结果证实该文所提方法的有效性。

关键词：机器阅读理解候选句抽取递归抽取

来源：评论

学校读者我要写书评

暂无评论

高考语文阅读理解自动答题系统

引用

中文信息学报 2022年第4期36卷 166-174页

作者：谭红叶郭少茹陈鑫王素格李茹张虎杨陟卓陈千钱揖丽王元龙关勇吕国英山西大学计算机与信息技术学院山西太原030006 计算智能与中文信息处理教育部重点实验室山西太原030006

机器阅读理解任务需要机器理解篇章并回答相关问题,是许多应用系统中的一项核心任务。该文面向高考语文中的现代文阅读理解文本语义表示、候选句抽取、鉴赏分析等关键技术展开研究,针对选择题、问答题等构建了相应的答题引擎,并在高考... 详细信息

机器阅读理解任务需要机器理解篇章并回答相关问题,是许多应用系统中的一项核心任务。该文面向高考语文中的现代文阅读理解文本语义表示、候选句抽取、鉴赏分析等关键技术展开研究,针对选择题、问答题等构建了相应的答题引擎,并在高考真题及测试题上,对系统进行了实验验证与错误分析,实验结果表明,该文所构建的系统能够在一定程度上解答问题。未来将围绕语义表示、知识的统一表征与知识聚合、迁移学习等前沿技术,提升阅读理解系统的复杂综合推理能力、概括分析能力、语言鉴赏能力。

关键词：高考语文阅读理解标准化测试文本语义表示候选句抽取鉴赏分析

来源：评论

学校读者我要写书评

暂无评论

基于局部邻域连通性的重叠社区发现算法

引用

山西大学学报(自然科学版) 2022年第2期45卷 369-379页

作者：郑文萍乔艳超杨贵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大学智能信息处理研究所

发现复杂网络中的重叠社区是目前复杂网络分析的重要内容。选择社区代表性强的节点作为种子节点进行扩展是基于种子扩展策略重叠社区发现算法的关键,提出了一种基于度信息和邻域连通性的节点邻域中心性度量指标,并在此基础上提出了一种... 详细信息

发现复杂网络中的重叠社区是目前复杂网络分析的重要内容。选择社区代表性强的节点作为种子节点进行扩展是基于种子扩展策略重叠社区发现算法的关键,提出了一种基于度信息和邻域连通性的节点邻域中心性度量指标,并在此基础上提出了一种基于局部邻域连通性的重叠社区发现算法（Local Neighbor-hood Connectivitybased overlapping community detection Algorithm,LNCA）。首先计算每个节点的局部邻域连通熵和邻域中心性cc,选择中心性高的节点作为种子节点;然后采用带重启的随机游走策略扩展种子节点并得到初始社区;最后合并重叠度较大的社区得到最终社区发现结果。在6个带真实社区标签的网络和9个无真实社区标签的网络上,与SLP A、DEMON、CPM、NodePerception、EgoNetworks、EgonetSplitter等6个经典重叠社区发现算法进行比较,结果表明,在带标签网络上,LNCA算法在重叠NMI和F1分数上优于多数对比算法,可得到与网络真实社区更匹配的社区结构;在无标签网络上,LNCA在重叠模块度上有明显优势,可得到稳定社区发现结果。

关键词：重叠社区发现邻域连通性节点中心性种子扩展

来源：评论

学校读者我要写书评

暂无评论

Senti-PG-MMR:多文档游记情感摘要生成方法

引用

中文信息学报 2022年第3期36卷 128-135页

作者：梁梦英李德玉王素格廖健郑建兴陈千山西大学计算机与信息技术学院山西太原030006 山西大学计算机智能与中文信息处理教育部重点实验室山西太原030006

由于大量的游客在社交媒体上记录自己的心情,人们在享受便捷获取网络上大量旅游信息的同时,也淹没在混乱的游记信息海洋里。为了从游记中获取游客关心的景点信息和游客对景点表达的情感信息,该文提出了一个多文档游记的情感摘要生成方法... 详细信息

由于大量的游客在社交媒体上记录自己的心情,人们在享受便捷获取网络上大量旅游信息的同时,也淹没在混乱的游记信息海洋里。为了从游记中获取游客关心的景点信息和游客对景点表达的情感信息,该文提出了一个多文档游记的情感摘要生成方法,该方法结合指针生成网络和最大边界相关算法,构建了一个端到端的神经网络摘要生成模型。该模型在进行文本摘要生成时,对于情感信息给予重视,使得生成的摘要包含一定的情感信息。通过在自建数据集上进行训练和测试,实验结果验证了该模型的有效性。

关键词：旅游文本摘要生成情感信息

来源：评论

学校读者我要写书评

暂无评论

自适应边缘样本识别的深度聚类算法

引用

西南大学学报（自然科学版） 2023年第3期45卷 34-46页

作者：李俊霞钱宇华马国帅许皓山西大学大数据科学与产业研究院太原030006 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

深度神经网络因其强大的非线性映射和特征提取能力被广泛应用于聚类中,然而,现有的大多数深度聚类网络仅仅考虑了样本的特征信息,并未有效利用样本空间位置的分布以及样本间的关联信息.本研究融合了样本的特征信息以及样本间的空间位置... 详细信息

深度神经网络因其强大的非线性映射和特征提取能力被广泛应用于聚类中,然而,现有的大多数深度聚类网络仅仅考虑了样本的特征信息,并未有效利用样本空间位置的分布以及样本间的关联信息.本研究融合了样本的特征信息以及样本间的空间位置信息和关联关系,提出了自适应边缘样本识别的深度聚类算法(Auto-CB).在使用自编码器学习样本特征表示的同时,通过图神经网络学习样本间的结构信息;然后利用自注意力机制自适应地将样本划分为簇中心样本和边缘样本,并分别使用K-means和多数投票机制对其聚类;在5个数据集上与7个深度聚类以及基于图神经网络的聚类算法进行了性能对比.结果表明,利用簇中心样本与边缘样本之间的潜在关联关系可以有效促进样本的特征表示,并在聚类任务中取得了更好的效果.

关键词：深度聚类图神经网络关联关系边缘样本结构特征

来源：评论

学校读者我要写书评

暂无评论

动态异构信息融合的科研合作潜力预测

引用

计算机应用 2023年第9期43卷 2775-2783页

作者：马国帅钱宇华张亚宇李俊霞刘郭庆山西大学大数据科学与产业研究院太原030006 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

现有的科研合作潜力预测方法使用特征工程来人工提取科研合作网络中作者的浅层静态属性,忽略了科研合作网络中异构实体间的关联关系。针对以上不足,提出融合科研合作网络中的多种实体潜在属性信息的动态合作潜力预测(CPP)模型,在提取异... 详细信息

现有的科研合作潜力预测方法使用特征工程来人工提取科研合作网络中作者的浅层静态属性,忽略了科研合作网络中异构实体间的关联关系。针对以上不足,提出融合科研合作网络中的多种实体潜在属性信息的动态合作潜力预测(CPP)模型,在提取异构实体的属性的同时考虑了学者与学者之间合作关系的结构特征,并且通过协同优化的方式优化模型,实现了在为学者进行科研合作者推荐的同时预测科研合作潜力的目标。为验证所提模型的有效性,搜集整理了发表在中国计算机学会(CCF)推荐期刊中的50余万篇论文信息以及相关实体的完整属性信息,并采用滑窗法构建了不同时间段的时序合作异构网络,以提取科研合作网络演化过程中的各实体的动态属性信息。此外,为提高所提模型的泛化性以及实用性,随机输入不同时段的数据对模型进行训练。实验结果表明,相较于次优的多层采样聚合图神经网络(GraphSAGE),CPP模型在合作者推荐任务上的分类精确度提高了1.47个百分点;在合作潜力预测任务上的测试误差降低了1.23%。说明了CPP模型能更精准地为学者推荐优质合作者。

关键词：合作潜力预测异构图神经网络信息融合科研合作者推荐时序网络

来源：评论

学校读者我要写书评

暂无评论

融合多层次交互注意力的引文推荐算法

引用

小型微型计算机系统 2023年第12期44卷 2656-2662页

作者：樊加倍钱宇华彭甫镕山西大学大数据科学与产业研究院太原030006 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

学术引文推荐是指通过论文间的匹配关系为查询论文提供深度匹配的引文文献列表,提高学者科研工作效率.现有方法主要基于短文本匹配(如关键词、标题等),缺乏对论文结构和整体语义的表示能力,导致检索结果语义相关性差.本文从长文本的深... 详细信息

学术引文推荐是指通过论文间的匹配关系为查询论文提供深度匹配的引文文献列表,提高学者科研工作效率.现有方法主要基于短文本匹配(如关键词、标题等),缺乏对论文结构和整体语义的表示能力,导致检索结果语义相关性差.本文从长文本的深层次数据特征出发,提出一种基于层次化交互注意力匹配的引文推荐算法.基于深度神经网络构建单词、句子、文章的层次化表示框架,提升长文本的结构化表示能力;使用内部注意力机制增强学术论文的内部语义表示;使用交互注意力机制挖掘引文间细粒度匹配特征.在计算机、自然语言处理、医学等学术文献数据集上进行实验验证,提出的方法在ACC和F1等指标均优于短文本匹配模型,结果表明层次化交互注意力能获得更好的引文匹配效果.

关键词：引文推荐文本匹配数据挖掘文本编码

来源：评论

学校读者我要写书评

暂无评论

基于对比学习的超多类深度图像聚类模型

引用

计算机科学 2023年第9期50卷 192-201页

作者：胡深钱宇华王婕婷李飞江吕维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 山西大学大数据科学与产业研究院太原030006

图像聚类通过表征学习对图像数据降维并提取有效特征而后进行聚类分析。当图像数据存在超多类别时,数据分布的复杂性和类簇的密集性严重影响了现有方法的实用性。为此,提出了基于对比学习的超多类深度图像聚类模型,主要分为3个阶段:首先... 详细信息

图像聚类通过表征学习对图像数据降维并提取有效特征而后进行聚类分析。当图像数据存在超多类别时,数据分布的复杂性和类簇的密集性严重影响了现有方法的实用性。为此,提出了基于对比学习的超多类深度图像聚类模型,主要分为3个阶段:首先,改进对比学习方法训练特征模型以使类簇分布均匀;其次,基于语义相似性原则多视角挖掘实例语义最近邻信息;最后,将实例及其最近邻作为自监督信息训练聚类模型。根据实验类型的不同,设计了消融实验和对比实验。在消融实验中,证明了所提方法使类簇均匀分布在映射空间,并可靠挖掘语义最近邻信息。在对比实验中,将其与先进算法在7个基准数据集上进行了比较,在ImageNet-200类数据集上,其准确率比目前先进方法提升了10.6%;在ImageNet-1000类数据集上,其准确率比目前先进算法提升了9.2%。

关键词：超多类聚类对比学习特征模型语义相似性图像聚类

来源：评论

学校读者我要写书评

暂无评论

含缺失标签的大规模多标签分类算法

引用

计算机工程与应用 2022年第17期58卷 148-157页

作者：刘依璐曹付元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

在对大规模多标签数据进行人工标注时极易产生标签的缺失。现有算法大多利用被所有实例共享的全局标签相关性来解决该问题,即对不同实例而言,标签之间的相关性是相同的。然而在实际应用中,不同实例的标签相关性并非完全相同,此时采用局... 详细信息

在对大规模多标签数据进行人工标注时极易产生标签的缺失。现有算法大多利用被所有实例共享的全局标签相关性来解决该问题,即对不同实例而言,标签之间的相关性是相同的。然而在实际应用中,不同实例的标签相关性并非完全相同,此时采用局部方式获取的标签相关性将更加准确。因此,本文提出一种基于局部标签相关性的解决方法。该方法利用局部标签相关性来恢复缺失标签,利用低秩矩阵分解技术来构造适用于大规模数据的分类器。此外,为了加快模型的训练,该方法将这两个过程融合到一个统一的框架中,并采用迭代优化的方式进行求解。大量实验结果表明,该方法在预测准确度上至少比现有算法高2个百分点,在训练速度上至少提升5个百分点。

关键词：多标签分类缺失标签大规模标签局部标签相关性低秩矩阵分解

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：