检索结果-内蒙古大学图书馆

软件学报 2024年第8期35卷 3698-3720页

作者：赵冬冬徐虎彭思芸周俊伟武汉理工大学计算机与人工智能学院湖北武汉430070 武汉理工大学重庆研究院重庆401135

图数据是一种特殊的数据形式,由节点和边组成.在这种数据中,实体被建模为节点,节点之间可能存在边,表示实体之间的关系.通过分析和挖掘这些数据,人们可以获得很多有价值的信息.因此,对于图中各个节点来说,它也带来了隐私信息泄露的风险... 详细信息

图数据是一种特殊的数据形式,由节点和边组成.在这种数据中,实体被建模为节点,节点之间可能存在边,表示实体之间的关系.通过分析和挖掘这些数据,人们可以获得很多有价值的信息.因此,对于图中各个节点来说,它也带来了隐私信息泄露的风险.为了解决这个问题,提出了一种基于负数据库(NDB)的图数据发布方法.该方法将图数据的结构特征转换为负数据库的编码形式,基于此,设计出一种扰动图(NDB-Graph)的生成方法.由于NDB是一种保护隐私的技术,不显式存储原始数据且难以逆转,故发布的图数据能确保原始图数据的安全.此外,由于图神经网络在图数据中关系特征处理方面的高效性,被广泛应用于对图数据的各种任务处理建模,例如推荐系统,还提出了一种基于NDB技术的图神经网络的推荐系统来保护每个用户的图数据隐私.基于Karate和Facebook数据集上的实验表明,与PBCN发布方法相比,所提方法在大多数情况下表现更优秀.例如:在Facebook数据集上,度分布最小的L1误差仅为6,比同隐私等级下的PBCN方法低约2.6%;最坏情况约为1400,比同隐私等级下的PBCN方法低约46.5%.在基于LightGCN的协同过滤实验中也表明,所提出的隐私保护方法具有较高的精度.

关键词：图数据隐私保护负数据库推荐系统图神经网络

来源：评论

学校读者我要写书评

暂无评论

基于关系门控图卷积网络的方面级情感分析

引用

浙江大学学报（工学版） 2023年第3期57卷 437-445页

作者：程艳芬吴家俊何凡武汉理工大学计算机与人工智能学院湖北武汉430070

在方面级情感分析任务中,现有方法难以有效利用句法关系类型且性能依赖依存解析的准确性,为此提出注意力增强的关系门控图卷积神经网络(ARGCN)模型.该模型将双向长短时记忆(BiLSTM)网络学习得到的句子顺序特征与依存概率矩阵相结合构建... 详细信息

在方面级情感分析任务中,现有方法难以有效利用句法关系类型且性能依赖依存解析的准确性,为此提出注意力增强的关系门控图卷积神经网络(ARGCN)模型.该模型将双向长短时记忆(BiLSTM)网络学习得到的句子顺序特征与依存概率矩阵相结合构建单词图;利用关系门控图卷积神经网络(RG-GCN)和注意力增强网络(AAN)分别从单词图和句子的顺序特征中获取方面词的情感特征;拼接RG-GCN和AAN的输出作为方面词最终的情感特征.在数据集SemEval 2014、Twitter上进行对比实验和消融实验,结果表明ARGCN模型可以有效地利用关系类型,减小依存解析准确性对模型性能的影响,更好地建立方面词和意见词的联系,模型准确率优于所有基线模型.

关键词：方面级情感分析图卷积网络注意力机制依存树门机制自然语言处理

来源：评论

学校读者我要写书评

暂无评论

基于关系图卷积网络的代码搜索方法

引用

软件学报 2024年第6期35卷 2863-2879页

作者：周光有谢琦余啸华中师范大学计算机学院湖北武汉430079 武汉理工大学计算机与人工智能学院湖北武汉430070

代码搜索是当下自然语言处理和软件工程交叉领域的一个重要分支.开发高效的代码搜索算法能够显著提高代码重用的能力,从而有效提高软件开发人员的工作效率.代码搜索任务是以描述代码片段功能的自然语言作为输入,在海量代码库中搜索得到... 详细信息

代码搜索是当下自然语言处理和软件工程交叉领域的一个重要分支.开发高效的代码搜索算法能够显著提高代码重用的能力,从而有效提高软件开发人员的工作效率.代码搜索任务是以描述代码片段功能的自然语言作为输入,在海量代码库中搜索得到相关代码片段的过程.基于序列模型的代码搜索方法DeepCS虽然取得了很好的效果,但这种方法不能捕捉代码的深层语义.基于图嵌入的代码搜索方法GraphSearchNet能缓解这个问题,但没有对代码与文本进行细粒度匹配,也忽视了代码图和文本图的全局关系.为了解决以上局限性,提出基于关系图卷积网络的代码搜索方法,对构建的文本图和代码图编码,从节点层面对文本查询和代码片段进行细粒度匹配,并应用神经张量网络捕捉它们的全局关系.在两个公开数据集上的实验结果表明,所提方法比先进的基线模型DeepCS和GraphSearchNet搜索精度更高.

关键词：代码搜索关系图卷积网络细粒度匹配

来源：评论

学校读者我要写书评

暂无评论

全局和局部感知的交通速度预测模型

引用

电子学报 2024年第9期52卷 3195-3205页

作者：申岩松李琳黄传明武汉理工大学计算机与人工智能学院湖北武汉430070 武汉市交管局湖北武汉430030

面对日益严峻的交通堵塞问题,智能交通系统获得飞速发展和广泛应用,作为基石工作的交通速度预测因此备受关注.近些年来,深度学习被广泛用于交通速度预测的研究工作,并且研究方向也从单一的建模时间相关性迁移到复杂的时空相关性,图神经... 详细信息

面对日益严峻的交通堵塞问题,智能交通系统获得飞速发展和广泛应用,作为基石工作的交通速度预测因此备受关注.近些年来,深度学习被广泛用于交通速度预测的研究工作,并且研究方向也从单一的建模时间相关性迁移到复杂的时空相关性,图神经网络由于契合交通路网的图结构数据这一本质属性,成为建模空间相关性的主流方法 .目前,大多数的研究工作已经注意到动态的空间相关性对交通速度预测任务的重要性.然而,基于这一发现所提出的建模思路主要预定义矩阵或自适应矩阵,属于静态矩阵,并不足以应对空间相关性的复杂和动态的特性.同时通过对真实交通速度数据集的分析,本文发现交通节点间依赖的局部波动相比交通路网的全局影响具有更强的动态性,这表明空间相关性可以从全局和局部的角度分开建模,因此本文提出了一个端到端全局和局部融合的动态图神经网络模型来进行交通速度预测.首先,交通速度流被自分解层分解为静态分量和动态分量,随后动态图生成模块为动态分量构造实时的动态图以匹配其动态性.基于构造的动态图和输入的预定义图,本文借助图卷积操作来学习这两类空间相关性的高阶表达.除此之外,本文在时间模块使用空洞因果卷积捕获交通数据中时间相关性.最后,残差连接被用来聚合时空相关性并输送给输出层完成最终的速度预测.在两个高速公路数据集和一个城市路数据集上的实验结果表明本文提出的模型相比主流模型在平均绝对误差和均方根误差两个预测指标上均优于主流模型.

关键词：交通速度预测时空相关性动态图神经网络图生成

来源：评论

学校读者我要写书评

暂无评论

基于缓存访问模式的C-AMAT测量方法及其在图计算中的应用

引用

计算机研究与发展 2024年第4期61卷 824-839页

作者：陈炳彰刘伟于萧钰武汉理工大学计算机与人工智能学院武汉430073 交通物联网技术湖北省重点实验室(武汉理工大学) 武汉430073

图应用是大数据领域的一个重要分支,尽管图分析在显示表示实体之间关系的能力相比传统的关系数据库具有更显著的性能优势,但图处理中大量的随机访问所导致的不规则访存模式破坏了访存的时间和空间局部性,从而对片外内存系统造成了很大... 详细信息

图应用是大数据领域的一个重要分支,尽管图分析在显示表示实体之间关系的能力相比传统的关系数据库具有更显著的性能优势,但图处理中大量的随机访问所导致的不规则访存模式破坏了访存的时间和空间局部性,从而对片外内存系统造成了很大的性能压力.因此如何正确度量图应用在内存系统中的性能,对于高效的图应用体系结构优化设计至关重要.并发式平均存储访问时间(concurrent average memory access time,C-AMAT)模型作为平均存储访问时间(average memory access time,AMAT)的扩展,同时考虑了存储器访问的局部性和并发性,能够更准确地对现代处理器下图应用在存储系统中的性能进行评估分析.但C-AMAT模型忽略了处理器下级cache层串行访问的事实,这会导致计算的不准确性,同时由于计算所需参数纯粹缺失周期等难以获取的原因,也使得C-AMAT难以进行实际应用.为了使CAMAT的计算模型与现代计算机中的存储器访问模式相匹配,基于C-AMAT提出了PC-AMAT(parallel CAMAT),SC-AMAT(serial C-AMAT),其中PC-AMAT,SC-AMAT分别从cache的并行和串行访问模式对C-AMAT的计算模型进行了细粒度的扩展和表征,并在此基础上设计并实现了纯粹缺失周期的提取算法,避免直接测量带来的巨大硬件开销.实验结果表明,在单核和多核模式下,PC-AMAT和SC-AMAT与IPC之间的相关性比C-AMAT更强,最终利用PC-AMAT和SC-AMAT度量和分析了图应用的存储器性能并据此提出图应用访存优化策略.

关键词：图应用图分析平均存储访问时间并发式平均存储访问时间纯粹缺失周期缓存

来源：评论

学校读者我要写书评

暂无评论

工作记忆理论驱动的社交媒体用户画像自然属性预测模型

引用

模式识别与人工智能 2023年第10期36卷 877-889页

作者：刘锦行李琳龙思杰王聪慧湖北工业大学计算机学院武汉430068 武汉理工大学计算机与人工智能学院武汉430070

利用社交媒体用户生成的内容构建用户画像系统,为个性化服务和电商平台的精准营销提供支持,这是社交媒体分析领域重要的研究方向之一.文中研究用户以时间线方式发布内容形成篇章级长度的多模态数据,并针对由此给用户画像自动构建带来的... 详细信息

利用社交媒体用户生成的内容构建用户画像系统,为个性化服务和电商平台的精准营销提供支持,这是社交媒体分析领域重要的研究方向之一.文中研究用户以时间线方式发布内容形成篇章级长度的多模态数据,并针对由此给用户画像自动构建带来的挑战展开分析.以用户性别和出生年代为主的自然属性为目标,研究如何有效处理与分析社交媒体用户发布的篇章级多模态数据,提出基于Moments的社交媒体用户画像自然属性预测模型.在认知心理学启发下,通过工作记忆理论设计数据分块方式,缓解以拼接和滑动窗口为主的传统方法存在的语意破坏和语篇合成的问题.再针对用户在发表社交内容时存在的模态偏好问题,综合注意力平衡模态内数据和模态间数据对预测任务贡献度的差异,实现用户画像中自然维度属性的预测.实验表明,文中模型在用户性别和出生年代预测任务上的准确性较高.

关键词：社交媒体用户画像自然属性工作记忆理论

来源：评论

学校读者我要写书评

暂无评论

无人闸口高拍视角照片中车载盘圆钢材计数方法

引用

武汉大学学报（理学版） 2024年第3期70卷 376-386页

作者：刘希言李勇华程瑞武汉理工大学计算机与人工智能学院湖北武汉430070

在传统作业方式中,车辆运输盘圆钢材出入物流闸口时的数量核验工作由闸口的核验人员完成,这种人工核验方式耗费人力、成本高,无法满足现代化物流企业的要求。为解决这一问题,采用目标识别技术,设计了一种针对无人闸口高拍视角照片的车... 详细信息

在传统作业方式中,车辆运输盘圆钢材出入物流闸口时的数量核验工作由闸口的核验人员完成,这种人工核验方式耗费人力、成本高,无法满足现代化物流企业的要求。为解决这一问题,采用目标识别技术,设计了一种针对无人闸口高拍视角照片的车载盘圆钢材计数方法。首先,使用改进的YOLOv7模型对高拍视角下的车载盘圆图像进行三次识别,对其堆放形式分类和盘圆检测,其次根据不同的堆放形式提出推算算法,完成盘圆数量的自动推算。将本文提出的方法应用于实际闸口的检测,并进行实用性优化。通过选取合适的目标检测置信度阈值,保证出闸准确率处于较高水平,然后通过三次尝试法,在牺牲少量时间的前提下,引导被拦截车辆调整位置以提高拦截车辆准确率及合法车辆出闸成功率。实验结果表明,改进的YOLOv7模型有效提高了盘圆检测的效果,提出的盘圆数量推算方法精确率达到90%以上;进行实用性优化后,车载盘圆钢材的计数准确率达到97.88%,合法车辆在三次检测内出闸成功率达到98.27%,达到了港口现场作业的可使用性标准。

关键词：盘圆计数推算方法无人闸口管理系统港口智能化

来源：评论

学校读者我要写书评

暂无评论

基于马尔可夫转移场的Φ-OTDR信号模式识别

引用

中国激光 2025年第1期52卷 185-195页

作者：梅琅郭灿梁磊光纤传感技术与网络国家工程研究中心湖北武汉430070 武汉理工大学理学院物理系湖北武汉430070 武汉理工大学计算机与人工智能学院湖北武汉430070 武汉理工大学机电工程学院湖北武汉430070

相位敏感光时域反射计(Φ-OTDR)系统应用场景广泛,感知的信号类型复杂多变,因此对于Φ-OTDR信号识别方法的研究至关重要。为提高识别准确率和实时性,提出了一种基于马尔可夫转移场和MobileNetV2的Φ-OTDR信号模式识别方法。该方法基于... 详细信息

相位敏感光时域反射计(Φ-OTDR)系统应用场景广泛,感知的信号类型复杂多变,因此对于Φ-OTDR信号识别方法的研究至关重要。为提高识别准确率和实时性,提出了一种基于马尔可夫转移场和MobileNetV2的Φ-OTDR信号模式识别方法。该方法基于马尔可夫转移场原理将一维序列信号编码成二维图像,能更好地挖掘出信号的动态转换特征,并且省去了传统模式识别任务中复杂的特征提取步骤。马尔可夫转移场图像特征密集,细节复杂,MobileNetV2网络对这种特殊的编码图像表现出了较好的识别性能。该方法对6种Φ-OTDR信号识别的平均准确率为96.0%,对单个Φ-OTDR信号识别时间为0.0340s。

关键词：光纤光学光纤传感相位敏感光时域反射计马尔可夫转移场模式识别

来源：评论

学校读者我要写书评

暂无评论

基于大语言模型的教育文本幂等摘要方法

引用

计算机工程 2024年第7期50卷 32-41页

作者：杨兴睿马斌李森垚钟忺武汉理工大学计算机与人工智能学院湖北武汉430070 武汉理工大学信息化办公室湖北武汉430070

大语言模型在自然语言处理领域蓬勃发展,但在教育数字化领域应用过程中仍面临一系列重要挑战。针对教育数字化领域垂域数据稀缺、摘要长度不稳定导致信息缺失或冗余的问题,提出一种用于教育领域文本摘要的轻量化幂等模型框架IGLM。该模... 详细信息

大语言模型在自然语言处理领域蓬勃发展,但在教育数字化领域应用过程中仍面临一系列重要挑战。针对教育数字化领域垂域数据稀缺、摘要长度不稳定导致信息缺失或冗余的问题,提出一种用于教育领域文本摘要的轻量化幂等模型框架IGLM。该模型首先采用多源训练进行自适应扩增以提升数据多样性,然后对下游的文本摘要任务进行多种微调。同时,为降低文本长度的影响,设计幂等摘要生成策略拉近初次摘要与幂等摘要来约束模型,减少语料分布不均导致的偏见,结合量化技术在低资源条件下生成更为精确和流畅的摘要文本。实验以ROUGE分数为评估指标,在公开中文文本摘要数据集LCSTS、EDUCATION、NLPCC上进行验证。实验结果表明,该框架在生成摘要的准确率和流畅性上有明显提升,其中ROUGE-1/2/L相较基线模型在LCSTS数据集上分别提升7.9、7.4、8.7个百分点,在EDUCATION数据集上分别提升12.9、15.4、15.7个百分点,在NLPCC数据集上分别提升12.2、11.7、12.7个百分点,验证了模型有效性。

关键词：教育数字化文本摘要大语言模型低资源场景幂等扩增

来源：评论

学校读者我要写书评

暂无评论

多层次权重优化的远程监督关系抽取模型

引用

中文信息学报 2024年第7期38卷 40-50,62页

作者：刘正刘永坚解庆李琳武汉理工大学计算机与人工智能学院湖北武汉430070 武汉理工大学重庆研究院重庆401135

针对目前基于远程监督的关系抽取方法存在句袋权重分配不合理和关系抽取模型对句子关键特征提取不充分的问题,该文提出了一种多层次权重优化的远程监督关系抽取模型。在句袋层面,通过构建编解码网络获取句子的表征向量并对句袋进行重构... 详细信息

针对目前基于远程监督的关系抽取方法存在句袋权重分配不合理和关系抽取模型对句子关键特征提取不充分的问题,该文提出了一种多层次权重优化的远程监督关系抽取模型。在句袋层面,通过构建编解码网络获取句子的表征向量并对句袋进行重构,使得句袋划分更加均衡;在句子层面,采用依赖路径注意力机制,增加模型对关键词的权重,提高关键特征的提取能力。模型在公共数据集NYT上的平均准确率达到79%,与有竞争力的主流方法相比有大约3%的提升,表明模型能够通过不同层次的权重优化降低噪声数据对模型的影响,从而提高关系抽取任务的准确率。

关键词：远程监督关系抽取注意力机制语义相似度

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：