检索结果-内蒙古大学图书馆

模式识别与人工智能 2023年第4期36卷 354-365页

作者：夏鸿斌黄凯刘渊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

多数会话推荐系统研究都聚焦于长会话推荐而忽略短会话.但是在实际情况下,短会话信息却占据大多数.由于短会话包含的信息有限,如何从短会话中学习更丰富的用户偏好和更精确地找到相似上下文会话成为一个急需解决的问题.为此,文中提出多... 详细信息

多数会话推荐系统研究都聚焦于长会话推荐而忽略短会话.但是在实际情况下,短会话信息却占据大多数.由于短会话包含的信息有限,如何从短会话中学习更丰富的用户偏好和更精确地找到相似上下文会话成为一个急需解决的问题.为此,文中提出多特征融合短会话推荐模型.首先,通过邻域聚合和循环神经网络分别学习会话的节点特征和序列特征.再使用自定义的相似度计算公式检索当前用户历史会话和其他用户会话作为上下文,缓解短会话信息稀少的问题.然后,利用位置感知多头自注意力网络充分发掘会话的隐藏特征.最后,模型以多特征融合的当前会话为依据推荐下一个项目.在两个真实数据集上的实验表明文中模型在指标值上都较优.本文模型代码地址为http://***/ScarletHK/MFF-SRR.

关键词：特征融合辅助信息短会话会话推荐

来源：评论

学校读者我要写书评

暂无评论

文本摘要的建构渗透度特征模型

引用

中文信息学报 2018年第7期32卷 74-81页

作者：任立园谢振平刘渊江南大学数字媒体学院江苏无锡214122 江苏省媒体设计与软件技术重点实验室江苏无锡214122

旨在实现从海量的文本数据中快速准确地获取关键信息。为探索新颖的摘要句特征因素,该文将文句中的关键词嵌入知识网络进行建模,并将文句映射至知识网络进行表达,进而提出文句的关键词建构渗透度特征模型,在摘要句判别中引入文句中关键... 详细信息

旨在实现从海量的文本数据中快速准确地获取关键信息。为探索新颖的摘要句特征因素,该文将文句中的关键词嵌入知识网络进行建模,并将文句映射至知识网络进行表达,进而提出文句的关键词建构渗透度特征模型,在摘要句判别中引入文句中关键词组的宽度和深度的渗透特性。结合最大熵建模分类方法,针对领域语料库进行不同特征的影响系数建模,实现了监督学习下摘要句的有效分类和自动提取。文中实验结果良好,表明了新特征模型的有效性和在领域语料库中的稳定性,且特征计算方法简洁,具有良好的综合实用性。

关键词：文本摘要文句关键词知识网络渗透度

来源：评论

学校读者我要写书评

暂无评论

融合注意力LSTM的协同过滤推荐算法

引用

中文信息学报 2019年第12期33卷 110-118页

作者：罗洋夏鸿斌刘渊江南大学数字媒体学院江苏无锡214122 江苏省媒体设计与软件技术重点实验室江苏无锡214122

针对传统协同过滤算法难以学习深层次用户和项目的隐表示,以及对文本信息不能充分提取单词之间的前后语义关系的问题,该文提出一种融合辅助信息与注意力长短期记忆网络的协同过滤推荐模型。首先,附加堆叠降噪自编码器利用评分信息和用... 详细信息

针对传统协同过滤算法难以学习深层次用户和项目的隐表示,以及对文本信息不能充分提取单词之间的前后语义关系的问题,该文提出一种融合辅助信息与注意力长短期记忆网络的协同过滤推荐模型。首先,附加堆叠降噪自编码器利用评分信息和用户辅助信息提取用户潜在向量;其次,基于注意力机制的长短期记忆网络利用项目辅助信息来提取项目的潜在向量;最后,将用户与项目的潜在向量用于概率矩阵分解中,从而预测用户偏好。在两个真实数据集MovieLens-100k和MovieLens-1M上进行实验,采用RMSE和Recall指标进行评估。实验结果表明,该模型与其他相关推荐算法相比在推荐性能上有所提升。

关键词：注意力机制长短期记忆网络推荐系统附加堆叠降噪自编码器协同过滤

来源：评论

学校读者我要写书评

暂无评论

一种基于二部图谱划分的聚类集成方法

引用

控制与决策 2018年第12期33卷 2208-2212页

作者：徐森皋军徐秀芳花小朋徐静安晶盐城工学院信息工程学院江苏盐城224001 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

将二部图模型引入聚类集成问题中,使用二部图模型同时建模对象集和超边集,充分挖掘潜藏在对象之间的相似度信息和超边提供的属性信息.设计正则化谱聚类算法解决二部图划分问题,在低维嵌入空间运行Kmeans++算法划分对象集,获得最终的聚... 详细信息

将二部图模型引入聚类集成问题中,使用二部图模型同时建模对象集和超边集,充分挖掘潜藏在对象之间的相似度信息和超边提供的属性信息.设计正则化谱聚类算法解决二部图划分问题,在低维嵌入空间运行Kmeans++算法划分对象集,获得最终的聚类结果.在多组基准数据集上进行实验,实验结果表明所提出方法不仅能获得优越的结果,而且具有较高的运行效率.

关键词：机器学习聚类分析二部图模型聚类集成谱聚类算法

来源：评论

学校读者我要写书评

暂无评论

基于时空域联合建模的领域知识演化脉络分析

引用

智能系统学报 2017年第5期12卷 735-744页

作者：金晨谢振平任立园刘渊江南大学数字媒体学院江苏无锡214122 江苏省媒体设计与软件技术重点实验室江苏无锡214122

同一领域不同知识概念之间存在演化关系,分析演化关系能有效地梳理领域知识的发展脉络,然而网络知识的碎片化、无序性、大规模等特性使得用户很难准确地分析并获取知识之间的这种关系。针对该问题,本文提出一种基于时空域联合建模的领... 详细信息

同一领域不同知识概念之间存在演化关系,分析演化关系能有效地梳理领域知识的发展脉络,然而网络知识的碎片化、无序性、大规模等特性使得用户很难准确地分析并获取知识之间的这种关系。针对该问题,本文提出一种基于时空域联合建模的领域知识演化脉络分析方法,该方法首先考虑将知识系统以时空域联合知识网络的形式进行表达,随后采用骨架聚类方法提取历年知识网络演化路径,并按知识概念的发展进行演化路径衔接及路径分析。以数字媒体领域知识为例的实验分析表明,该方法能有效提取按年份发展的领域知识演化路径,对于辅助用户进行领域知识的理解与学习,以及个性化推荐具有显著的价值。

关键词：知识演化演化路径知识网络知识系统时空域联合骨架聚类数字媒体知识

来源：评论

学校读者我要写书评

暂无评论

基于共享矢量链的多任务概念漂移分类方法

引用

控制与决策 2018年第7期33卷 1215-1222页

作者：史荧中邓赵红钱鹏江王士同江南大学数字媒体学院江苏无锡214122 无锡职业技术学院物联网学院江苏无锡214121 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

增强型时间自适应支持向量机在针对单一概念漂移问题时展现出了良好效果,但是无法协同求解多个概念漂移问题.然而,在很多应用场景中,有时会包含数个具有内在相关性的非静态数据集,它们各自的分类模型应充分考虑这种关联.为了反映出各概... 详细信息

增强型时间自适应支持向量机在针对单一概念漂移问题时展现出了良好效果,但是无法协同求解多个概念漂移问题.然而,在很多应用场景中,有时会包含数个具有内在相关性的非静态数据集,它们各自的分类模型应充分考虑这种关联.为了反映出各概念漂移分类模型之间的相关部分,提出共享矢量链的概念,并开发面向多任务概念漂移问题的共享矢量链支持向量机(SVC-SVM).在模拟数据集及气体传感器阵列漂移数据集上的实验结果显示,协同求解多个具有相关性的概念漂移问题能够有效提升各自的泛化能力.

关键词：多任务概念漂移支持向量机共享矢量链

来源：评论

学校读者我要写书评

暂无评论

结合用户视角的知识图注意力网络推荐算法

引用

计算机工程与应用 2023年第17期59卷 123-131页

作者：张潇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

目前基于知识图谱的推荐方法大多仅仅关注于如何用知识图谱中的信息丰富项目的嵌入表示,而忽略了从用户视角出发,更细粒度地挖掘用户-项目交互的协同信息,将用户-项目图中的协同信息与知识图谱中的辅助信息充分结合。针对上述问题,提出... 详细信息

目前基于知识图谱的推荐方法大多仅仅关注于如何用知识图谱中的信息丰富项目的嵌入表示,而忽略了从用户视角出发,更细粒度地挖掘用户-项目交互的协同信息,将用户-项目图中的协同信息与知识图谱中的辅助信息充分结合。针对上述问题,提出了一种结合用户视角的知识图注意力网络推荐算法。在项目端,结合知识感知的注意力嵌入传播,捕获图中的高阶信息;在用户端,建模用户视角因子细化用户-项目图中的协同信息,在知识图谱中沿着关系依赖的路径聚合,进一步丰富了用户和项目的表示,进而预测用户对项目的点击概率分数。在***和MovieLens-20M公开数据集上的实验表明,与目前主流基线相比,该模型在Recall@K指标上提升了13%~22%,在AUC和F1指标上提升了0.6%~4.5%。

关键词：知识图谱图神经网络推荐算法注意力机制

来源：评论

学校读者我要写书评

暂无评论

交互等待状态下用户情感体验设计

引用

包装工程 2019年第24期40卷 158-163页

作者：彭洁王峰江南大学无锡214122 江苏省媒体设计与软件技术重点实验室无锡214122

目的结合时间心理学理论,将“时间知觉”运用于产品的交互等待设计,满足用户的情感需求,并留下愉悦的回忆。方法通过概述时间知觉和用户体验等理论,对用户等待体验的运行逻辑和影响因素进行说明,展示人们对时间的感知受情绪、记忆和注... 详细信息

目的结合时间心理学理论,将“时间知觉”运用于产品的交互等待设计,满足用户的情感需求,并留下愉悦的回忆。方法通过概述时间知觉和用户体验等理论,对用户等待体验的运行逻辑和影响因素进行说明,展示人们对时间的感知受情绪、记忆和注意力等因素影响。随着计算机和网络技术的发展,系统服务无法满足人们需求,导致出现交互等待状态,基于用户情感体验的交互等待设计具有必要性。结论理论结合实例分析,提出从技术和产品功能系统等方面减少用户实际等待时间,从用户心理和情感状态上缩短用户感受等待时间的设计模式,给设计者提供一个较新的思维概念,提升用户等待体验,增强用户与产品之间的情感联系。

关键词：等待状态交互设计时间知觉情感体验

来源：评论

学校读者我要写书评

暂无评论

双关系预测与特征融合的实体关系抽取模型

引用

智能系统学报 2024年第2期19卷 462-471页

作者：沈健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

现有分阶段解码的实体关系抽取模型仍存在着阶段间特征融合不充分的问题,会增大曝光偏差对抽取性能的影响。为此,提出一种双关系预测和特征融合的实体关系抽取模型(entity relation extraction model with dual relation prediction and... 详细信息

现有分阶段解码的实体关系抽取模型仍存在着阶段间特征融合不充分的问题,会增大曝光偏差对抽取性能的影响。为此,提出一种双关系预测和特征融合的实体关系抽取模型(entity relation extraction model with dual relation prediction and feature fusion,DRPFF),该模型使用预训练的基于Transformer的双向编码表示模型(bidirectional encoder representation from transformers,BERT)对文本进行编码,并设计两阶段的双关系预测结构来减少抽取过程中错误三元组的生成。在阶段间通过门控线性单元(gated linear unit,GLU)和条件层规范化(conditional layer normalization,CLN)组合的结构来更好地融合实体之间的特征。在NYT和WebNLG这2个公开数据集上的试验结果表明,该模型相较于基线方法取得了更好的效果。

关键词：实体关系抽取关系三元组预训练模型双关系预测指针网络特征融合门控线性单元条件层规范化

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

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：