检索结果-内蒙古大学图书馆

模式识别与人工智能 2022年第3期35卷 262-270页

作者：夏鸿斌李强肖奕飞江南大学人工智能与计算机学院无锡214122 江南大学江苏省媒体设计与软件技术重点实验室无锡214122

方面情感三元组抽取旨在识别一条评论中的方面项及其情感倾向,并提取与其相关的观点项.现有方法大多将该类任务分为多个子任务,将子任务组成流水线并完成这类任务.然而,基于流水线思想的方法在实际应用中会受到误差传播、不易使用等因... 详细信息

方面情感三元组抽取旨在识别一条评论中的方面项及其情感倾向,并提取与其相关的观点项.现有方法大多将该类任务分为多个子任务,将子任务组成流水线并完成这类任务.然而,基于流水线思想的方法在实际应用中会受到误差传播、不易使用等因素的影响.为此,文中提出词对关系学习方法,将方面情感三元组抽取任务转化为端到端的词对关系学习任务.方法包含一种可将句中的词对关系进行统一标注以表示所有三元组的词对关系标注的方法,以及为此特别构建的可输出词对关系的词对关系网络.首先,使用双向门控循环单元和混合式注意力对句子进行编码表示.然后,使用注意力图转换模块将句子编码转换为各项标签概率.最后,从词对关系标签结果中提取三元组.此外,将预训练的BERT(Bidirectional Encoder Representation from Transformer)应用于文中方法.在4个标准数据集上的实验表明,文中方法性能较优.

关键词：混合式注意力三元组抽取情感分析网格标注自然语言理解

来源：评论

学校读者我要写书评

暂无评论

中文文本纠错软件测试用例的最小化方法

引用

小型微型计算机系统 2024年第10期45卷 2345-2354页

作者：冯程皓谢振平丁博文江南大学人工智能与计算机学院江苏无锡214000 江南大学江苏省媒体设计与软件技术重点实验室江苏无锡214000

针对目前尚未存在有效的中文文本纠错软件测试用例最小化方法的情况,设计了两种中文文本纠错软件测试用例集最小化方法:基于多目标遗传算法的中文文本纠错软件测试用例集最小化方法(Minimization Method based on Multi-objective Genet... 详细信息

针对目前尚未存在有效的中文文本纠错软件测试用例最小化方法的情况,设计了两种中文文本纠错软件测试用例集最小化方法:基于多目标遗传算法的中文文本纠错软件测试用例集最小化方法(Minimization Method based on Multi-objective Genetic Algorithm of Test case for Chinese text error Correction Software,MMG-CCS)和基于TextRank模型的中文文本纠错软件测试用例最小化方法(Minimization Method based on TextRank of Test case for Chinese text error Correction Software,MMT-CCS).MMG-CCS基于问题特点设计了一种中文文本纠错软件测试用例集覆盖度模型,并将测试用例集大小及覆盖度作为目标函数,为了高效求解该问题,MMG-CCS同时对遗传算子进行了改进.此外,MMT-CCS方法能将测试用例集最小化问题映射为图解问题,并根据问题特点对TextRank模型进行了针对性改进.实验结果表明,MMG-CCS和MMT-CCS对测试用例集的缩减程度高,且在不同中文文本纠错软件上对于不同中文文本纠错软件测试用例集均能保持相同的测试效果.

关键词：测试用例最小化中文文本纠错覆盖度模型回归测试自然语言处理

来源：评论

学校读者我要写书评

暂无评论

中文文本纠错软件测试用例的选择生成方法

引用

计算机应用 2024年第1期44卷 101-112页

作者：冯程皓谢振平丁博文江南大学人工智能与计算机学院江苏无锡214000 江苏省媒体设计与软件技术重点实验室(江南大学) 江苏无锡214000

针对目前尚无有效的中文文本纠错软件测试用例生成方法的情况,为了服务于软件纠错性能的测量并为软件提供优化方向,设计了一种面向多用户的、工程化的中文文本纠错软件测试用例选择生成方法(SGMT-CCS)。定义了两种不同的可供用户选择的... 详细信息

针对目前尚无有效的中文文本纠错软件测试用例生成方法的情况,为了服务于软件纠错性能的测量并为软件提供优化方向,设计了一种面向多用户的、工程化的中文文本纠错软件测试用例选择生成方法(SGMT-CCS)。定义了两种不同的可供用户选择的用例评判标准:错误数量密度和错误种类密度。设计了三个模块:测试用例自动化生成模块、测试用例选择模块以及测试用例优先级排序模块。在SGMT-CCS中,用户可以:1)在测试用例自动化生成的过程中自定义错误最小间隔和用例集大小;2)在测试用例选择的过程中自定义错误最小间隔和期望值;3)在测试用例选择和优先级排序的过程中选择不同的用例评判标准进行自定义操作,以适应不同数据集的要求。实验结果表明,SGMT-CCS能够在较短的时间内获得有效的测试用例,选择模块实验在模拟的需求情况下都能满足用户自定义目标,优先级排序模块实验验证了相较于排序前,在不同评判标准下的不同时间段内都能有效提高测试效率。

关键词：测试用例生成中文文本纠错可选择生成回归测试自然语言处理

来源：评论

学校读者我要写书评

暂无评论

双特征的短文本聚类研究

引用

小型微型计算机系统 2024年第10期45卷 2420-2427页

作者：张桥男刘渊江南大学人工智能与计算机学院江苏无锡214122 江苏省媒体设计与软件技术重点实验室(江南大学) 江苏无锡214122

短文本聚类的目的是根据表示空间中的距离来发现数据的语义类别.针对传统文本表示模型面对短文本时会造成特征高维稀疏的问题,以及基于Bert的多特征短文本聚类研究较少的问题,本文研究了一种基于Bert的双特征短文本聚类模型BCCA.首先利... 详细信息

短文本聚类的目的是根据表示空间中的距离来发现数据的语义类别.针对传统文本表示模型面对短文本时会造成特征高维稀疏的问题,以及基于Bert的多特征短文本聚类研究较少的问题,本文研究了一种基于Bert的双特征短文本聚类模型BCCA.首先利用Bert获取词向量表示;其次,利用CNN网络增强对文本局部特征的提取能力和语境感知自注意力网络增强对全局特征提取的能力.最后,为进一步提升聚类效果,将文本表示模块与聚类模块进行联合训练,同时优化文本表示和聚类.为了验证模型性能,在3个数据集上进行实验,实验结果表明,本文提出的模型在数据集SearchSnippets上准确率达到82.8%.

关键词：短文本聚类双特征语境感知 Bert CNN

来源：评论

学校读者我要写书评

暂无评论

融合自注意力机制的长文本生成对抗网络模型

引用

计算机科学与探索 2022年第7期16卷 1603-1610页

作者：夏鸿斌肖奕飞刘渊江南大学人工智能与计算机学院江苏无锡214122 江苏省媒体设计与软件技术重点实验室江苏无锡214122

近年来,人类与计算机之间的通信已经达到密不可分的程度,因此自然语言处理作为人类与机器进行交互的技术越来越受到研究者的关注,文本生成是自然语言处理中的常见任务之一,目前生成对抗网络在文本生成领域广泛使用并且性能优异。针对传... 详细信息

近年来,人类与计算机之间的通信已经达到密不可分的程度,因此自然语言处理作为人类与机器进行交互的技术越来越受到研究者的关注,文本生成是自然语言处理中的常见任务之一,目前生成对抗网络在文本生成领域广泛使用并且性能优异。针对传统生成对抗网络判别器的标量指导信号稀疏性问题和仅能学习文本局部语义信息的限制,提出了一种基于多头自注意力机制与LeakGAN结合的模型(SALGAN)。首先,采用融入多头自注意力机制的CNN模型作为特征提取器提取特征向量,以增强特征提取能力;其次,判别器提取的特征作为逐步指导信号发送给生成器以指导生成器生成文本,使得生成的文本更倾向于参考文本;最后,生成器完成文本生成后传递给判别器判断真假,确认文本是否符合人类语言标准。在两个真实数据集COCO图像字幕和EMNLP2017新闻上进行实验,采用BLEU指标进行评估。实验结果表明,将多头自注意力机制融入CNN模型后文本包含全局语义信息,CNN模型的特征提取性能有明显的提升。

关键词：生成对抗网络(GAN) 多头自注意力机制文本生成深度学习门控循环单元(GRU) 自然语言处理

来源：评论

学校读者我要写书评

暂无评论

融合知识图谱与图卷积网络的混合推荐模型

引用

计算机科学与探索 2022年第6期16卷 1343-1353页

作者：郭晓旺夏鸿斌刘渊江南大学人工智能与计算机学院江苏无锡214122 江苏省媒体设计与软件技术重点实验室江苏无锡214122

针对当前多数基于知识图谱的推荐模型未能充分对用户特征建模,且未考虑知识图谱中实体间的邻域关系的问题,提出了一种融合知识图谱与图卷积网络的混合推荐模型(HKC)。首先,利用KGCN算法捕捉项目间的相关性,通过邻域聚合计算得到项目的... 详细信息

针对当前多数基于知识图谱的推荐模型未能充分对用户特征建模,且未考虑知识图谱中实体间的邻域关系的问题,提出了一种融合知识图谱与图卷积网络的混合推荐模型(HKC)。首先,利用KGCN算法捕捉项目间的相关性,通过邻域聚合计算得到项目的特征向量;然后,通过协作传播提取知识图谱中与用户相联系的实体,使用交替学习的方式同时优化模型预测单元和知识图谱嵌入单元,通过交互单元计算得到用户的特征向量;最后,将用户特征向量和项目特征向量送入预测环节,通过向量的内积运算以及归一化操作计算用户与项目的交互概率。在三种公开数据集上与七个基线模型进行了对比实验,在MovieLens-1M数据集上,AUC提升了0.25%~37.41%,ACC提升了0.78%~49.44%;在Book-Crossing数据集上,AUC提升了0.04%~19.38%,ACC提升了6.49%~18.60%;在***数据集上,AUC提升了1.33%~33.50%,ACC提升了0.36%~30.66%。实验结果表明,提出的混合推荐模型与其他具有代表性的推荐模型相比具有良好的推荐性能。

关键词：推荐系统知识图谱交替学习邻域聚合

来源：评论

学校读者我要写书评

暂无评论

跨层融合和感受野扩增的SSD目标检测算法

引用

计算机科学 2023年第3期50卷 231-237页

作者：张卫良陈秀宏江南大学人工智能与计算机学院江苏无锡214122 江苏省媒体设计与软件技术重点实验室江苏无锡214122

鉴于SSD(Single Shot Multibox Detector)不同层缺乏信息的交互以及模型感受野的限制,提出了一种改进的SSD目标检测算法——ESSD(Enhanced SSD),以提高目标检测的准确性。首先,使用SSD模型中原有的多尺度特征图,利用FPN(Feature Pyramid... 详细信息

鉴于SSD(Single Shot Multibox Detector)不同层缺乏信息的交互以及模型感受野的限制,提出了一种改进的SSD目标检测算法——ESSD(Enhanced SSD),以提高目标检测的准确性。首先,使用SSD模型中原有的多尺度特征图,利用FPN(Feature Pyramid Networks)的思想,设计了一种跨层信息交互模块,在增强了不同层的语义信息能力的同时减小了不同层的信息差异。然后,为了提高模型的感受野和多尺度检测能力,设计了一种感受野扩增模块。最后,采用批处理归一化层缩短训练时间,以提高模型的收敛速度。为了评价ESSD的有效性,在PASCAL VOC2007测试集以及PASCAL VOC2012测试集上进行了实验。实验结果表明,在PASCAL VOC2007数据集上其mAP为82.1%且检测速度为15.7FPS,相比原有的SSD512,其mAP提升了2.3%;在PASCAL VOC2012测试集上其mAP达到了80.6%,也比SSD512高2.1%。实验证明了ESSD检测器在达到较高检测精度的情况下,仍然可以满足实时性。

关键词：目标检测信息融合感受野多尺度 SSD

来源：评论

学校读者我要写书评

暂无评论

多样性正则化极限学习机的集成方法

引用

计算机科学与探索 2022年第8期16卷 1819-1828页

作者：陈洋王士同江南大学人工智能与计算机学院江苏无锡214122 江南大学江苏省媒体设计与软件技术重点实验室江苏无锡214122

极限学习机(ELM)是一种单隐层前向网络的训练算法,随机确定输入层权值和隐含层偏置,通过分析的方法确定输出层的权值,ELM克服了基于梯度的学习算法的很多不足,如局部极小、不合适的学习速率、学习速度慢等,却不可避免地造成了过拟合的... 详细信息

极限学习机(ELM)是一种单隐层前向网络的训练算法,随机确定输入层权值和隐含层偏置,通过分析的方法确定输出层的权值,ELM克服了基于梯度的学习算法的很多不足,如局部极小、不合适的学习速率、学习速度慢等,却不可避免地造成了过拟合的隐患且稳定性较差,特别是对于规模较大的数据集。针对上述问题,提出多样性正则化极限学习机(DRELM)的集成方法。首先,从改变隐层节点参数的分布来为每个ELM随机选取输入权重,采用LOO交叉验证方法和MSE^(PRESS)方法来寻找每个基学习器的最优隐节点数,计算并输出最优隐含层输出权重,训练出较好且具有差异性的基学习器。然后,将有关多样性的新惩罚项显式添加到整个目标函数中,迭代更新每个基学习器的隐含层输出权重并输出结果。最后,集成所有基学习器的输出结果对其求平均值,得到整个网络模型最后的输出结果。该方法能够有效地实现多样性正则化极限学习机(RELM)的融合,兼顾准确率和多样性。在10个不同规模的UCI数据集上的实验结果表明所提出的方法是行之有效的。

关键词：极限学习机(ELM) 集成学习多样性正则化极限学习机(RELM)

来源：评论

学校读者我要写书评

暂无评论

用于无监督域适应的深度对抗重构分类网络

引用

计算机科学与探索 2022年第5期16卷 1107-1116页

作者：林佳伟王士同江南大学人工智能与计算机学院江苏无锡214122 江南大学江苏省媒体设计与软件技术重点实验室江苏无锡214122

最近迁移学习的新方法对抗域适应,将生成对抗网络(GAN)的思想添加到深度网络中,能够学习数据的可迁移表示形式进行域适应。虽然通过GAN的思想能够很好地提取出源域数据和目标域数据的共同特征,有效地进行不同域之间的知识迁移,但现有的... 详细信息

最近迁移学习的新方法对抗域适应,将生成对抗网络(GAN)的思想添加到深度网络中,能够学习数据的可迁移表示形式进行域适应。虽然通过GAN的思想能够很好地提取出源域数据和目标域数据的共同特征,有效地进行不同域之间的知识迁移,但现有的对抗域适应算法不能有效地保留目标域数据的局部特征,而目标域数据的某些特征可能会对分类精度有显著的提升。为了避免原始数据的局部特征因对抗性学习遭到破坏,利用多任务神经网络来保留目标域数据的局部特征。提出了一个深度对抗重构分类网络的模型(DARCN)。DARCN受到自动编码器的启发,在对抗域适应的基础上,添加了自动编码器的解码部分,这样能够有效地从低维特征重建原始数据。该模型学习了以下任务的共享编码表示:带标签的源域数据的监督分类;不带标签的目标域数据的无监督重构;源域和目标域的不可区分性。最后,最小化标签分类器的分类损失和解码器的重构损失,同时最大化域判别器的分类损失,通过梯度下降法能够有效地解决此类优化问题。实验结果证明了目标域局部特征的保留对领域自适应任务是十分关键的。

关键词：迁移学习对抗域适应生成对抗网络(GAN) 深度对抗重构分类网络(DARCN) 自动编码器

来源：评论

学校读者我要写书评

暂无评论

基于潜在的低秩约束的不完整模态迁移学习

引用

计算机科学与探索 2022年第12期16卷 2775-2787页

作者：徐光生王士同江南大学人工智能与计算机学院江苏无锡214122 江南大学江苏省媒体设计与软件技术重点实验室江苏无锡214122

当数据是多模态时,如果在训练阶段没有足够或完整的目标数据可参与训练,则可能导致训练效果较差甚至失败。为了解决该问题,提出了一个基于潜在的低秩约束的不完整模态迁移学习算法(IMTL)。所提算法通过两方面来解决不完整模态问题:一方... 详细信息

当数据是多模态时,如果在训练阶段没有足够或完整的目标数据可参与训练,则可能导致训练效果较差甚至失败。为了解决该问题,提出了一个基于潜在的低秩约束的不完整模态迁移学习算法(IMTL)。所提算法通过两方面来解决不完整模态问题:一方面,基于低秩约束子空间框架,引入潜在因素来挖掘目标域中缺失的模态信息,然后借助具有完整模态的辅助数据集,通过跨模态或跨数据集方向的迁移学习来帮助模态或数据集之间的数据对齐;另一方面,利用少量标记目标数据来完成监督信息对齐从而保持目标数据在迁移学习过程中的内在结构。实验结果表明,所提算法较之于传统的迁移学习算法有明显优势;即使对于不完整的目标数据,也可以显著地提高分类性能。

关键词：迁移学习不完整模态潜在的低秩约束

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：