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

多阅读器协作的RFID标签树形防碰撞算法

引用

电子学报 2020年第8期48卷 1558-1564页

作者：宋建华何帅姚慧湖北大学计算机与信息工程学院湖北武汉430062 湖北省教育信息化工程技术研究中心湖北武汉430062 湖北省软件工程工程技术研究中心湖北武汉430062 智慧政务与人工智能应用湖北省工程研究中心湖北武汉430062

在物联网复杂的应用环境中,射频识别技术中的标签碰撞问题作为造成其系统标签识别时间长,通信量大等问题的主要原因,已成为近年来本领域的核心研究热点之一.针对以上问题,本文提出一种多阅读器协作的树形防碰撞算法:在第一阶段,根据位... 详细信息

在物联网复杂的应用环境中,射频识别技术中的标签碰撞问题作为造成其系统标签识别时间长,通信量大等问题的主要原因,已成为近年来本领域的核心研究热点之一.针对以上问题,本文提出一种多阅读器协作的树形防碰撞算法:在第一阶段,根据位追踪技术能够识别标签碰撞位的特点,阅读器通过判别待识别标签中的碰撞位,从待广播节点中删除已验证的无效节点;在第二阶段的循环广播中,阅读器间通过共享每次的广播的前缀与当次广播结果对自身的树形结构进行不断优化,优化策略是为每一个阅读器分配一个待广播节点队列,通过共享的信息计算待广播节点中含有标签的概率,依据其概率调整队列中待广播节点的优先级,并不断地删除无需广播的节点.在下一轮广播中阅读器选取含有标签概率最大的节点进行广播.仿真实验结果表明:提出的算法的平均标签识别效率达到59.9%,并且在总时隙数量方面有一定优势.

关键词：射频识别标签识别多阅读器二叉树防碰撞

来源：评论

学校读者我要写书评

暂无评论

基于RoBERTa-RCNN和注意力池化的新闻主题文本分类

引用

郑州大学学报（理学版） 2024年第2期56卷 43-50页

作者：王乾曾诚何鹏张海丰余新言湖北大学计算机与信息工程学院湖北武汉430062 湖北省软件工程技术研究中心湖北武汉430062 智慧政务与人工智能应用湖北省工程研究中心湖北武汉430062

针对中文新闻主题因缺乏上下文信息而造成语义模糊和用词规范性不高的问题,提出一种基于RoBERTa-RCNN和多头注意力池化机制的新闻主题文本分类方法。利用数据增强技术对部分训练数据进行回译处理,再通过自编码预训练模型和RCNN对文本进... 详细信息

针对中文新闻主题因缺乏上下文信息而造成语义模糊和用词规范性不高的问题,提出一种基于RoBERTa-RCNN和多头注意力池化机制的新闻主题文本分类方法。利用数据增强技术对部分训练数据进行回译处理,再通过自编码预训练模型和RCNN对文本进行初步和深度的特征提取,并结合多头注意力思想改进最大池化层。该方法采用融合机制,改善了RCNN中最大池化策略单一和无法进行动态优化的缺陷。在三个新闻主题数据集上进行实验,使用更适用于新闻主题分类的Mish函数代替ReLU函数,并利用标签平滑来解决过拟合问题。结果表明,所提方法相比传统分类方法效果突出,并通过消融实验验证了模型在分类任务上的可行性。

关键词：预训练语言模型文本分类循环卷积神经网络注意力机制标签平滑数据增强

来源：评论

学校读者我要写书评

暂无评论

基于ALBERT-CRNN的弹幕文本情感分析

引用

郑州大学学报（理学版） 2021年第3期53卷 1-8页

作者：曾诚温超东孙瑜敏潘列何鹏湖北大学计算机与信息工程学院湖北武汉430062 湖北省软件工程工程技术研究中心湖北武汉430062 智慧政务与人工智能应用湖北省工程研究中心湖北武汉430062

提出一种结合ALBERT预训练语言模型与卷积循环神经网络(convolutional recurrent neural network,CRNN)的弹幕文本情感分析模型ALBERT-CRNN。首先使用ALBERT预训练语言模型获取弹幕文本的动态特征表示,使得句子中同一个词在不同上下文... 详细信息

提出一种结合ALBERT预训练语言模型与卷积循环神经网络(convolutional recurrent neural network,CRNN)的弹幕文本情感分析模型ALBERT-CRNN。首先使用ALBERT预训练语言模型获取弹幕文本的动态特征表示,使得句子中同一个词在不同上下文语境中具有不同的词向量表达;然后利用CRNN对特征进行训练,充分考虑了文本中的局部特征信息和上下文语义关联;最后通过Softmax函数得出弹幕文本的情感极性。在哔哩哔哩、爱奇艺和腾讯视频三个视频平台的弹幕文本数据集上进行实验,结果表明,ALBERT-CRNN模型在三个数据集上的准确率分别达到94.3%、93.5%和94.8%,相比一些传统模型具有更好的效果。

关键词：弹幕文本情感分析词向量预训练语言模型卷积循环神经网络

来源：评论

学校读者我要写书评

暂无评论

基于感受野扩展残差注意力网络的图像超分辨率重建

引用

计算机应用 2024年第5期44卷 1579-1587页

作者：郭琳刘坤虎马晨阳来佑雪徐映芬湖北大学人工智能学院武汉430062 智能感知系统与安全教育部重点实验室武汉430062 智慧政务与人工智能应用湖北省工程研究中心武汉430062

针对现有残差网络存在残差特征利用不充分、细节丢失的问题,提出一种结合两层残差聚合结构和感受野扩展双注意力机制的深度神经网络模型,用于单幅图像超分辨率(SISR)重建。该模型通过跳跃连接形成两层嵌套的残差聚合网络结构,对网络各... 详细信息

针对现有残差网络存在残差特征利用不充分、细节丢失的问题,提出一种结合两层残差聚合结构和感受野扩展双注意力机制的深度神经网络模型,用于单幅图像超分辨率(SISR)重建。该模型通过跳跃连接形成两层嵌套的残差聚合网络结构,对网络各层提取的大量残差信息进行分层聚集和融合,能减少包含图像细节的残差信息的丢失。同时,设计一种多尺度感受野扩展模块,能捕获更大范围、不同尺度的上下文相关信息,促进深层残差特征的有效提取;并引入空间-通道双注意力机制,增强残差网络的判别性学习能力,提高重建图像质量。在数据集Set5、Set14、BSD100和Urban100上进行重建实验,并从客观指标和主观视觉效果上将所提模型与主流模型进行比较。客观评价结果表明,所提模型在全部4个测试数据集上均优于对比模型,其中,相较于经典的超分辨率卷积神经网络(SRCNN)模型和性能次优的对比模型ISRN(Iterative Super-Resolution Network),在放大2倍、3倍、4倍时的平均峰值信噪比(PSNR)分别提升1.91、1.71、1.61 dB和0.06、0.04、0.04 dB;视觉效果对比显示,所提模型恢复的图像细节纹理更清晰。

关键词：图像超分辨率残差网络感受野深度学习注意力

来源：评论

学校读者我要写书评

暂无评论

一种基于深度分区聚合的神经网络后门样本过滤方法

引用

计算机科学 2024年

作者：郭嘉铭杜文韬杨超湖北大学网络空间安全学院湖北大学计算机与信息工程学院智慧政务与人工智能应用湖北省工程研究中心

深度神经网络易受后门攻击，攻击者可以以数据投毒的方式植入后门并劫持模型的行为。其中，类特定攻击以其映射关系复杂、与正常任务关联紧密的特点而能绕过大多数防御方法，具备更高的威胁性。本文研究了类特定攻击在植入后门的过程中... 详细信息

深度神经网络易受后门攻击，攻击者可以以数据投毒的方式植入后门并劫持模型的行为。其中，类特定攻击以其映射关系复杂、与正常任务关联紧密的特点而能绕过大多数防御方法，具备更高的威胁性。本文研究了类特定攻击在植入后门的过程中攻击成功率与模型分类性能的关系，总结出三条性质，并以此为基础设计了一种针对类特定攻击的样本过滤方法。该方法使用深度分区聚合（Deep Partition Aggregation，DPA）的集成学习方法与投票法对数据集反复迭代过滤。本文根据类特定攻击的三条性质在数学上证明了该过滤方法的有效性，并在标准分类数据集上进行了大量实验，在迭代4轮后均过滤95%以上的后门样本。同时，与最新的样本过滤方法的对比实验体现了本文过滤方法在针对类特定攻击时的优越性。本文的实验基于Github的开源项目backdoorbox开展。

关键词：深度学习数据投毒后门攻击类特定攻击集成学习样本过滤

来源：评论

学校读者我要写书评

暂无评论

结合BERT和特征投影网络的新闻主题文本分类方法

引用

计算机应用 2022年第4期42卷 1116-1124页

作者：张海丰曾诚潘列郝儒松温超东何鹏湖北大学计算机与信息工程学院武汉430062 湖北省软件工程工程技术研究中心武汉430062 智慧政务与人工智能应用湖北省工程研究中心武汉430062

针对新闻主题文本用词缺乏规范、语义模糊、特征稀疏等问题,提出了结合BERT和特征投影网络(FPnet)的新闻主题文本分类方法。该方法包含两种实现方式:方式1将新闻主题文本在BERT模型的输出进行多层全连接层特征提取,并将最终提取到的文... 详细信息

针对新闻主题文本用词缺乏规范、语义模糊、特征稀疏等问题,提出了结合BERT和特征投影网络(FPnet)的新闻主题文本分类方法。该方法包含两种实现方式:方式1将新闻主题文本在BERT模型的输出进行多层全连接层特征提取,并将最终提取到的文本特征结合特征投影方法进行提纯,从而强化分类效果;方式2在BERT模型内部的隐藏层中融合特征投影网络进行特征投影,从而通过隐藏层特征投影强化提纯分类特征。在今日头条、搜狐新闻、THUCNews-L、THUCNews-S数据集上进行实验,实验结果表明上述两种方式相较于基线BERT方法在准确率、宏平均F1值上均具有更好的表现,准确率最高分别为86.96%、86.17%、94.40%和93.73%,验证了所提方法的可行性和有效性。

关键词：预训练语言模型文本分类新闻主题 BERT 特征投影网络

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：