检索结果-内蒙古大学图书馆

数据分析与知识发现 2025年第4期9卷 134-144页

作者：韩普王志伟杜文文张子豪南京邮电大学管理学院江苏省数据工程与知识服务重点实验室(南京大学)

【目的】利用解耦技术缓解过度平滑并构建深度图网络学习文本隐藏特征，同时采用注意力扩散机制增强图网络的长距离交互能力，以提升法律文本细粒度分类效果。【方法】提出基于深度注意力扩散图神经网络的法律文本细粒度分类模型FLGNN... 详细信息

【目的】利用解耦技术缓解过度平滑并构建深度图网络学习文本隐藏特征，同时采用注意力扩散机制增强图网络的长距离交互能力，以提升法律文本细粒度分类效果。【方法】提出基于深度注意力扩散图神经网络的法律文本细粒度分类模型FLGNN。首先使用预训练模型BERT作为嵌入层获取长距离语义特征，接着构建文本有向图通过深度图网络捕获文本全局图信息和隐藏特征，最后利用特征融合和节点级注意力机制优化文本特征并进行分类任务。【结果】模型在来自北大法宝数据库的PKULawData数据集上Acc达94.85%，较BERT、DADGNN和RCNN等基线模型分别提升了1.15、3.44和1.72个百分点；在法律合同文本数据集JSCLawData上Acc达90.91%，较BERT、DADGNN和RCNN等基线模型分别提升了1.35、4.19和4.10个百分点。【局限】模型在其他领域的适用性需要进一步探究。【结论】FLGNN模型能捕获法律文本的全局图信息并挖掘深层语义信息，进一步提升了法律文本细粒度分类效果，可为法律领域智能化管理和人工智能提供有效支撑。

关键词：法律文本分类深度图神经网络细粒度分类解耦合注意力扩散

来源：评论

学校读者我要写书评

暂无评论

基于人格预测模型的虚假新闻检测方法

引用

数据分析与知识发现 2025年第4期9卷 123-133页

作者：吴奇虞为陈俊鹏江苏省数据工程与知识服务重点实验室(南京大学) 南京财经大学计算机与人工智能学院

【目的】从评论文本中挖掘人格信息，提升虚假新闻检测模型的效率和准确性。【方法】BERT模型学习新闻与评论文本特征，基于BERT模型训练的人格预测模型学习评论用户的大五人格特征，使用新闻与评论文本特征和人格特征预测真假新闻。【... 详细信息

【目的】从评论文本中挖掘人格信息，提升虚假新闻检测模型的效率和准确性。【方法】BERT模型学习新闻与评论文本特征，基于BERT模型训练的人格预测模型学习评论用户的大五人格特征，使用新闻与评论文本特征和人格特征预测真假新闻。【结果】在部分微博公开数据集上进行实验，结果显示人格特征的加入能够提升虚假新闻检测的准确率（+1.96%,90.76%）和F1值（+1.51%,90.60%）。【局限】使用人格预测模型需要一定数量的评论文本，并且模型的可解释性还需要进一步提升。【结论】评论用户的人格特征能够有效提升虚假新闻的识别准确率和F1值。

关键词：虚假新闻检测人格预测模型大五人格特质预训练模型

来源：评论

学校读者我要写书评

暂无评论

面向知识图谱生成的非遗丝织领域实体关系抽取研究

引用

数据分析与知识发现 2024年第8期8卷 179-190页

作者：王昊李晓敏布文茹赵梓博邓三鸿南京大学信息管理学院南京210023 数据工程与知识服务江苏省高校重点实验室(南京大学) 南京210023

【目的】针对当前非遗领域实体关系抽取与图谱构建研究面临的标注数据缺乏问题,提出一种轻标注关系抽取方案。【方法】以丝织领域文本为数据源,构建SREP模型,结合领域术语词典和LTP工具进行实体识别。随后利用BERT模型将实体及其上下文... 详细信息

【目的】针对当前非遗领域实体关系抽取与图谱构建研究面临的标注数据缺乏问题,提出一种轻标注关系抽取方案。【方法】以丝织领域文本为数据源,构建SREP模型,结合领域术语词典和LTP工具进行实体识别。随后利用BERT模型将实体及其上下文进行向量化表示,并采用多种聚类算法对不同特征组合进行关系抽取实验,以确定最优算法和特征组合。再以Bootstrapping主动学习方式进行关系实例拓展,最终将抽取的关系三元组导入Gephi构建领域知识图谱。【结果】实验结果表明,结合实体中间文本特征与实体类型特征组合的K-means算法在关系抽取实验中取得最优效果,并抽取出5类关系。在关系实例拓展阶段,LR算法较适用于主动学习方法,准确率达到0.860,相较于基线模型提高0.105。【局限】模型效果需要在更大规模数据集、不同文化领域的关系抽取中进一步验证。【结论】本文所提模型能够在降低标注数据依赖的基础上有效提取非遗文本中的实体关系,实现非遗结构化文本的语义挖掘和利用。

关键词：非遗丝织关系抽取知识图谱无监督主动学习

来源：评论

学校读者我要写书评

暂无评论

CCI-ClipCap:一种基于Prompt范式的中国陶瓷图像描述模型

引用

数据分析与知识发现 2024年第10期8卷 146-158页

作者：石斌王昊刘懋霖邓三鸿南京大学信息管理学院南京210023 数据工程与知识服务江苏省高校重点实验室(南京大学) 南京210023

【目的】构建中国陶瓷图像描述模型CCI-ClipCap,为陶瓷文化研究和数字化保护提供技术支撑。【方法】在ClipCap的基础上,引入Prompt范式改善模型对跨模态数据的理解,实现对陶瓷图像的自动描述,提出一种针对具有一定表述结构的文本相似度... 详细信息

【目的】构建中国陶瓷图像描述模型CCI-ClipCap,为陶瓷文化研究和数字化保护提供技术支撑。【方法】在ClipCap的基础上,引入Prompt范式改善模型对跨模态数据的理解,实现对陶瓷图像的自动描述,提出一种针对具有一定表述结构的文本相似度评估方法。【结果】CCI-ClipCap模型利用Prompt范式改进了多模态融合过程,能够很好地提取陶瓷图像的信息,并生成与实际相符的描述文本,Bleu、Rouge值等相较于基线模型分别提升了约0.04、0.14。【局限】所使用的数据来源于大英博物馆的馆藏数据,而非中文原生数据集,数据来源较为单一。【结论】CCI-ClipCap模型生成的文本表达层次丰富,能够理解陶瓷领域知识,具有较强的专业性。

关键词：数字人文图像描述多模态学习 ClipCap Prompt

来源：评论

学校读者我要写书评

暂无评论

智能时代情报学学科建设与情报工作未来发展

引用

情报学报 2025年第2期44卷 123-131页

作者：苏新宁数据工程与知识服务省高校重点实验室(南京大学) 南京210023

针对人工智能对科学研究引发的变革,根据国家安全与发展战略对情报学与情报工作新的要求,本文对人工智能时代情报学的发展进行了理性思考,强调人工智能环境下情报工作基础建设要能将人工智能与情报工作无缝衔接;由于人工智能带来的情报... 详细信息

针对人工智能对科学研究引发的变革,根据国家安全与发展战略对情报学与情报工作新的要求,本文对人工智能时代情报学的发展进行了理性思考,强调人工智能环境下情报工作基础建设要能将人工智能与情报工作无缝衔接;由于人工智能带来的情报能力增强,需要重新定位情报工作重点;还提出了建设大情报体系的构想。最后,本文对人工智能环境下情报学学科构成与建设进行了论证,认为人工智能环境下建立情报学一级学科的条件已经成熟,并发出建立情报学一级学科的倡议。

关键词：情报学学科建设情报体系大情报观国家安全与发展智能时代情报工作

来源：评论

学校读者我要写书评

暂无评论

一种多粒度多注意力交互匹配网络模型在金融领域智能问答系统的对话改进研究

引用

数据分析与知识发现 2024年第8期8卷 240-250页

作者：周抒王昊施国良石斌裘靖文南京大学信息管理学院南京210023 数据工程与知识服务江苏省高校重点实验室(南京大学) 南京210023 河海大学商学院南京211100

【目的】针对金融领域智能问答系统多轮对话中存在的回复不准确、返回多结果中精确度不足以及一词多义问题,构建多粒度多注意力交互匹配模型。【方法】提出基于BERT的多粒度多注意力交互匹配模型(MGMAI),MGMAI包含预处理层、表示层、注... 详细信息

【目的】针对金融领域智能问答系统多轮对话中存在的回复不准确、返回多结果中精确度不足以及一词多义问题,构建多粒度多注意力交互匹配模型。【方法】提出基于BERT的多粒度多注意力交互匹配模型(MGMAI),MGMAI包含预处理层、表示层、注意力交互层、语义聚合层和对话选择层,聚焦于对话中的关键信息并利用这些信息实现高效的对话匹配。【结果】MGMAI模型被应用于两个公开的多轮对话数据集上进行训练与验证,并在金融领域多轮对话数据上进行微调,实验结果表明,MGMAI在R10@1、R10@2、R10@5指标上比先进的深度语境建模模型高出0.019、0.010和0.007。【局限】仅在金融领域智能问答系统中进行测试,未在其他领域或更多样化的数据集上验证模型的泛化能力。【结论】MGMAI模型能有效提升金融领域智能问答系统中的多轮对话准确度和系统处理多义性问题的能力,对于类似的多轮对话系统,该模型展现出潜在的应用价值和改进空间。

关键词：多轮对话多粒度多注意力

来源：评论

学校读者我要写书评

暂无评论

融合语义增强的社交媒体虚假信息检测方法研究

引用

数据分析与知识发现 2023年第2期7卷 48-60页

作者：王昊龚丽娟周泽聿范涛王永生南京大学信息管理学院南京210023 江苏省数据工程与知识服务重点实验室南京210023

【目的】通过构建自动化检测模型有效识别社交媒体中的虚假信息,探讨如何解决人工识别、单特征机器学习等现存方法难以兼顾海量数据处理的速度与准确性的问题。【方法】本文以新浪微博社交平台为研究对象,以单一文本特征BFID模型作为实... 详细信息

【目的】通过构建自动化检测模型有效识别社交媒体中的虚假信息,探讨如何解决人工识别、单特征机器学习等现存方法难以兼顾海量数据处理的速度与准确性的问题。【方法】本文以新浪微博社交平台为研究对象,以单一文本特征BFID模型作为实验基准模型,提出两种融合语义增强的虚假信息检测方法。【结果】以单一文本特征BFID模型的结果为基线,本文提出的融合情感特征的BFID-SEN模型在虚假信息识别的部分准确率上提升约1.59个百分点;融合图片特征的BFID-IMG模型通过结合深度残差网络ResNet,在虚假信息识别的部分准确率上稳定提升约0.78个百分点。【局限】由于融合情感特征的语料数量、情感类别与多模态虚假信息数据集有限,模型训练不充分,因此语义增强的融合效果有限。【结论】本文提出的两种融合语义增强方法均能在一定程度上更好地识别虚假信息。

关键词：虚假信息语义增强多模态新浪微博情感分析

来源：评论

学校读者我要写书评

暂无评论

中国民歌多情感识别及情感变化规律分析研究

引用

数据分析与知识发现 2023年第7期7卷 111-124页

作者：赵萌王昊李晓敏南京大学信息管理学院南京210023 江苏省数据工程与知识服务重点实验室南京210023

【目的】采用数字化手段实现中国民歌情感的自动识别,探索民歌情感脉络特征及波动模式。【方法】基于音乐领域通用的Hevner情感模型,引入外部汉语知识对情感词进行语义增强,通过语义距离计算实现人工标注标签的自动映射;构建多模态多情... 详细信息

【目的】采用数字化手段实现中国民歌情感的自动识别,探索民歌情感脉络特征及波动模式。【方法】基于音乐领域通用的Hevner情感模型,引入外部汉语知识对情感词进行语义增强,通过语义距离计算实现人工标注标签的自动映射;构建多模态多情感识别模型MMERM,融合歌词与音频特征实现情感自动标注;将模型迁移至片段歌曲情感识别任务,识别民歌情感变化,对情感脉络特征与波动模式进行统计分析与可视化。【结果】在情感识别方面,语义增强与映射有效提升了标签语义的集中性与区分度,MMERM在粗细粒度歌曲上均有较好表现,粗粒度歌曲上识别精度达82.29%;在规律分析方面,民歌首尾情感脉络呈现[轻盈]→[悲伤,神圣]的变化趋势,波动模式与西方音乐存在明显差异。【局限】民歌信息不足,未对不同时空下的民歌情感特征进行分析。【结论】本文提出的研究方案从数字人文视角为传统音乐领域提供了新的研究范式。

关键词：中国民歌多模态融合多情感识别情感脉络情感波动

来源：评论

学校读者我要写书评

暂无评论

基于图像模态迁移与集成的中国陶瓷派系识别模型构建研究

引用

数据分析与知识发现 2023年第12期7卷 88-101页

作者：石斌王昊邓三鸿南京大学信息管理学院南京210023 江苏省数据工程与知识服务重点实验室南京210023

[目的]构建中国陶瓷图像派系识别模型,实现对陶瓷图像派系的自动分类和识别,为陶瓷文化研究和数字化保护提供技术支撑。[方法]采用“端到端范式”构建模型,将迁移学习、集成学习应用到陶瓷派系识别中,并利用DCGAN算法进行样本平衡,根据... 详细信息

[目的]构建中国陶瓷图像派系识别模型,实现对陶瓷图像派系的自动分类和识别,为陶瓷文化研究和数字化保护提供技术支撑。[方法]采用“端到端范式”构建模型,将迁移学习、集成学习应用到陶瓷派系识别中,并利用DCGAN算法进行样本平衡,根据各种陶瓷品的工艺和艺术风格,实现对10个陶瓷派系的识别与分类。[结果]基于端到端范式构建的陶瓷派系识别模型能够很好地提取图像特征并完成识别任务,且效果优于手工设计特征工程的基线模型。迁移学习使得预训练模型学习到的特征可以有效迁移到陶瓷派系识别这一细粒度的下游任务中,最优模型准确率达到73.16%;改进的Stacking集成方法融合上述模型学到的知识,最终准确率达到81.39%。[局限]本文所使用的数据来源于百度图片,数据来源较为单一,对模型的性能产生一定影响。[结论]基于迁移学习与集成学习的端到端图像模态分类模型能够有效地应用到陶瓷这一细粒度任务中,取得了较好的效果。

关键词：数字人文图像识别端到端学习迁移学习集成学习

来源：评论

学校读者我要写书评

暂无评论

多模态命名实体识别研究进展

引用

数据分析与知识发现 2024年第4期8卷 50-63页

作者：韩普陈文祺南京邮电大学管理学院南京210003 数据工程与知识服务省高校重点实验室(南京大学) 南京210023

【目的】梳理归纳多模态命名实体识别研究成果,为后续相关研究提供参考与借鉴。【文献范围】在Web of Science、IEEE Xplore、ACM Digital Library、中国知网数据库中,以“多模态命名实体识别”“多模态信息抽取”“多模态知识图谱”为... 详细信息

【目的】梳理归纳多模态命名实体识别研究成果,为后续相关研究提供参考与借鉴。【文献范围】在Web of Science、IEEE Xplore、ACM Digital Library、中国知网数据库中,以“多模态命名实体识别”“多模态信息抽取”“多模态知识图谱”为检索词进行文献检索,共筛选出83篇代表性文献。【方法】从概念、特征表示、融合策略和预训练模型4个方面对多模态命名实体识别研究进行总结论述,指出现存问题和未来研究方向。【结果】多模态命名实体识别目前主要围绕模态特征表示和融合两个方面展开且在社交媒体领域取得了一定进展,需要进一步改进多模态细粒度特征提取和语义关联映射方法以提升模型的泛化性和可解释性。【局限】直接以多模态命名实体识别为研究主题的文献数量较少,在支撑综述结果方面存在局限性。【结论】针对多模态命名实体识别亟需解决的问题展望未来发展趋势,为进一步拓宽多模态学习在下游任务应用的研究范畴、破解模态壁垒和语义鸿沟提供了新思路。

关键词：多模态命名实体识别特征表示多模态融合多模态预训练

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：