检索结果-内蒙古大学图书馆

模式识别与人工智能 2024年第3期37卷 242-252页

作者：章淯淞夏鸿斌刘渊江南大学人工智能与计算机学院无锡214122 江南大学人机融合软件与媒体技术省高校重点实验室无锡214122

基于会话的推荐旨在利用短时匿名会话预测用户行为.现有结合图神经网络与对比学习的会话推荐模型大多采用联合优化交叉熵损失与对比学习损失的方法,但二者所起作用相似,同时需要构建大量复杂的正负样本,为模型带来负担.此外,简单的线性... 详细信息

基于会话的推荐旨在利用短时匿名会话预测用户行为.现有结合图神经网络与对比学习的会话推荐模型大多采用联合优化交叉熵损失与对比学习损失的方法,但二者所起作用相似,同时需要构建大量复杂的正负样本,为模型带来负担.此外,简单的线性预测器不能较好地预测带有用户随机行为的数据.针对上述问题,文中提出结合自对比图神经网络与双预测器的会话推荐模型(Session-Based Recommendation Model with Self Contrastive Graph Neural Network and Dual Predictor,SCGNN).首先,使用双视图建模原始会话,采用改进的图神经网络学习物品嵌入与会话嵌入,并通过自对比学习优化物品表示.然后,提出用户行为感知因子,应对用户随机行为带来的影响.最后,采用决策森林预测器与线性预测器对物品进行预测,并提出软标签生成策略,通过协同过滤与当前会话类似的历史会话以辅助预测.在Tmall、Diginetica、Nowplaying数据集上的实验表明文中模型的有效性.

关键词：会话推荐图神经网络自对比学习多预测器

来源：评论

学校读者我要写书评

暂无评论

基于平滑图掩码编码器的顺序推荐模型

引用

模式识别与人工智能 2024年第6期37卷 525-537页

作者：刘洋夏鸿斌刘渊江南大学人工智能与计算机学院无锡214122 江南大学人机融合软件与媒体技术江苏省高校重点实验室无锡214122

针对现有顺序推荐模型在处理推荐任务时由于数据集标签稀缺和用户交互数据噪声导致性能降低的问题,提出基于平滑图掩码编码器的顺序推荐模型(Smoothing Graph Masked Encoder Recommender System,SGMERec).首先,设计数据平滑编码器处理... 详细信息

针对现有顺序推荐模型在处理推荐任务时由于数据集标签稀缺和用户交互数据噪声导致性能降低的问题,提出基于平滑图掩码编码器的顺序推荐模型(Smoothing Graph Masked Encoder Recommender System,SGMERec).首先,设计数据平滑编码器处理数据,提升数据质量,降低极端值和数据噪声的负面影响.然后,设计图掩码编码器,自适应提取全局项目的转换信息,构造关系图帮助模型补全缺失的标签数据,提高模型对于标签稀缺问题的应对能力.最后,运用批标准化,归一化每个神经网络层的输入分布,确保每层输入的分布相对稳定,降低用户序列的稀缺标签比例.在3个真实数据集上的实验表明,SGMERec具有一定的性能提升.

关键词：顺序推荐数据平滑图神经网络自监督学习

来源：评论

学校读者我要写书评

暂无评论

基于对比学习的多视角特征融合方面级情感分析模型

引用

模式识别与人工智能 2024年第10期37卷 910-922页

作者：伍星夏鸿斌刘渊江南大学人工智能与计算机学院无锡214122 江南大学人机融合软件与媒体技术江苏省高校重点实验室无锡214122

当前方面级情感分析方法大多通过依赖树和注意力机制提取情感特征,容易受上下文无关信息的噪声干扰,往往忽略对句子全局情感特征的建模,难以处理隐含表达情感的句子.为了解决该问题,文中提出基于对比学习的多视角特征融合方面级情感分... 详细信息

当前方面级情感分析方法大多通过依赖树和注意力机制提取情感特征,容易受上下文无关信息的噪声干扰,往往忽略对句子全局情感特征的建模,难以处理隐含表达情感的句子.为了解决该问题,文中提出基于对比学习的多视角特征融合方面级情感分析模型(Contrastive Learning Based Multi-view Feature Fusion Model for Aspect-Based Sentiment Analysis,CLMVFF).首先,使用图卷积网络编码依赖图、成分图和语义图中的信息,并在每个图中构建全局情感节点,学习全局情感特征,同时引入外部知识嵌入,丰富情感特征.然后,通过对比学习减少噪声的负面影响,并结合相似度分离增强情感特征.最后,融合依赖图表示、成分图表示、语义图表示和外部知识嵌入,得到多视角特征增强表示.在3个数据集上的实验表明,CLMVFF的性能取得一定提升.

关键词：方面级情感分析对比学习图卷积网络注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于实体关系协同推理的零样本关系抽取模型

引用

数据分析与知识发现 2025年

作者：谢威夏鸿斌刘渊江南大学人工智能与计算机学院人机融合软件与媒体技术省高校重点实验室(江南大学)

[目的]运用深度学习与对比学习方法解决目前零样本关系抽取任务中完整实体信息与关系信息交互不够充分的问题。[方法]提出了一种基于对比学习的联合实体关系信息的零样本关系抽取模型(JCL)。首先，使用数据增强技术对原始的输入文本进... 详细信息

[目的]运用深度学习与对比学习方法解决目前零样本关系抽取任务中完整实体信息与关系信息交互不够充分的问题。[方法]提出了一种基于对比学习的联合实体关系信息的零样本关系抽取模型(JCL)。首先，使用数据增强技术对原始的输入文本进行处理，增加模型得到的有效信息。其次，通过增强交叉注意力模块将实体对深度融合与关系联合处理，提取实体与实体间的交互信息和实体与关系语义间的交互信息，放大不同关系在嵌入空间内的细微差异。最后，使用交叉熵损失函数联合对比损失优化模型。[结果]与基线模型相比，在FewRel数据集不可见关系m=5情况下，F1提升了3.12%；m = 10情况下，提升了5.19%；m = 15情况下，提升了1.99%。在Wiki-ZSL数据集m=5时，提升了7.05%；m=10时，提升了3.42%；m=15时，提升了8.08%。[局限]本文的研究领域数据集的语言较为单一，数量较少。[结论]本文提出的基于对比学习的联合实体关系信息模型针对零样本关系抽取任务在三个公开的数据集上的效果达到先进水平。

关键词：零样本关系抽取对比学习交叉注意力数据增强

来源：评论

学校读者我要写书评

暂无评论

方面情感三元组抽取的提示增强学习网络

引用

计算机工程与应用 2024年

作者：李丹夏鸿斌刘渊江南大学人工智能与计算机学院人机融合软件与媒体技术省高校重点实验室(江南大学)

方面情感三元组抽取在最新的研究中致力于使用边界驱动的表格填充范式，然而其在预训练中学习到的表格特征和下游设计的解码方式之间缺乏语义交互，导致表格特征需要经历频繁的语义修改以适应任务目标。为了解决这个问题，提出一个提示... 详细信息

方面情感三元组抽取在最新的研究中致力于使用边界驱动的表格填充范式，然而其在预训练中学习到的表格特征和下游设计的解码方式之间缺乏语义交互，导致表格特征需要经历频繁的语义修改以适应任务目标。为了解决这个问题，提出一个提示增强的学习网络（Prompt-enhanced Learning Network for Aspect Sentiment Triplet Extraction，PENet）进行方面情感三元组抽取。其中针对下游边界驱动的解码任务构造了新颖的边界标签提示，在上游特征学习中设计了相匹配的多粒度注意力卷积模块和提示改进的变压器结构，分别稳定地学习改进后文本的语义特征及在不同情感极性下面向任务地学习提示表示，同时基于提示不断调整文本特征的学习方向，最终实现提示范式引导下的三元组抽取网络，解决了解码前特征反复修改的问题。实验结果表明，在四个公开数据集上，PENet的综合表现已经超越了现有基线模型，显著提升了三元组抽取性能。

关键词：方面情感三元组抽取提示学习注意力卷积

来源：评论

学校读者我要写书评

暂无评论

大语言模型领域意图的精准性增强方法

引用

计算机应用研究 2024年第10期41卷 2893-2899页

作者：任元凯谢振平江南大学人工智能与计算机学院江苏无锡214122 江南大学人机融合软件与媒体技术江苏省高校重点实验室江苏无锡214122

目前通用大语言模型(如GPT)在专业领域问答应用中存在不稳定性和不真实性。针对这一现象,提出了一种在通用大语言模型上耦合领域知识的意图识别精准性增强方法(EIRDK),其中引入了三个具体策略:a)通过领域知识库对GPT输出结果进行打分过... 详细信息

目前通用大语言模型(如GPT)在专业领域问答应用中存在不稳定性和不真实性。针对这一现象,提出了一种在通用大语言模型上耦合领域知识的意图识别精准性增强方法(EIRDK),其中引入了三个具体策略:a)通过领域知识库对GPT输出结果进行打分过滤;b)训练领域知识词向量模型优化提示语句规范性;c)利用GPT的反馈结果提升领域词向量模型和GPT模型的一致性。实验分析显示,相比于标准的GPT模型,新方法在私有数据集上可以提升25%的意图理解准确性,在CMID数据集上可以提升12%的意图理解准确性。实验结果证明了EIRDK方法的有效性。

关键词：大语言模型知识问答意图精准性增强领域知识集成 GPT反馈学习

来源：评论

学校读者我要写书评

暂无评论

自适应知识增强的可控故事生成模型

引用

计算机工程与应用 2025年第12期 129-140页

作者：孟祥仲夏鸿斌刘渊江南大学人工智能与计算机学院人机融合软件与媒体技术省高校重点实验室(江南大学)

可控故事生成是近年来自然语言处理领域内的热点方向。目前的研究通过交叉注意力机制已经能够有效地融合文本特征和事件特征，但其缺乏对于常识化知识的高效应用，仍然采用在公共的常识化知识语料库上后训练的方式，尽管这能够在一定程... 详细信息

可控故事生成是近年来自然语言处理领域内的热点方向。目前的研究通过交叉注意力机制已经能够有效地融合文本特征和事件特征，但其缺乏对于常识化知识的高效应用，仍然采用在公共的常识化知识语料库上后训练的方式，尽管这能够在一定程度上提升模型的性能，但在自适应性的方面仍然有很大的提升空间。为了解决此问题，提出自适应知识增强（adaptive knowledge enhancement,AKE）的可控故事生成模型，其中的常识化知识构建模块能够针对精调时的训练用数据集自适应地构建匹配的常识化知识语料库，确保为模型提供更相关的额外信息。此外，模型中加入了使用辅助函数进行训练的多任务学习组件，确保其能够学习到更具有判别性的特征表示，从而提升模型的泛化能力。实验结果表明，AKE在自动评测指标和人工评测指标上相较于其他基线模型均有显著提升，验证了此模型在利用常识化知识方面的优越性。

关键词：自然语言处理可控故事生成交叉注意力机制多任务学习知识增强

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：