检索结果-内蒙古大学图书馆

计算机学报 2024年第2期47卷 396-422页

作者：王鹏飞魏宗正周东生宋威肖蕴明孙庚于硕张强大连理工大学计算机科学与技术学院大连理工大学社会计算与认知智能教育部重点实验室大连大学先进设计与智能计算教育部重点实验室美国西北大学计算机科学系吉林大学计算机科学与技术学院吉林大学符号计算与知识工程教育部重点实验室

数据已经成为与土地、劳动力、资本、技术等并列的重要生产要素之一.利用数据分析挖掘数据的潜在价值，有助于推动产业创新、技术升级和区域经济发展.然而，在数据使用过程中，隐私泄露等风险限制了数据的流通和共享.因此，如何在数据... 详细信息

数据已经成为与土地、劳动力、资本、技术等并列的重要生产要素之一.利用数据分析挖掘数据的潜在价值，有助于推动产业创新、技术升级和区域经济发展.然而，在数据使用过程中，隐私泄露等风险限制了数据的流通和共享.因此，如何在数据流通和共享过程中保护数据隐私已成为研究热点.联邦忘却学习（Federated Unlearning）撤销用户数据对联邦学习模型的训练更新，可以进一步保护联邦学习用户的数据安全.本文综述了联邦忘却学习的研究工作，首先简要阐述了联邦学习架构，并引出忘却学习和联邦忘却学习的概念和定义;其次，根据修正对象的不同将联邦忘却学习算法分为面向全局模型和面向局部模型两类，并详细分析各类算法的实现细节以及优缺点;然后，本文还详述联邦忘却学习中常用评价指标，将评价指标划分为模型表现指标、遗忘效果指标和隐私保护指标三类，并分析不同类型评价指标的优缺点;最后，本文对联邦忘却学习未来的研究方向进行展望.

关键词：联邦学习联邦忘却学习数字经济隐私保护边缘智能

来源：评论

学校读者我要写书评

暂无评论

基于本体指导的矿产预测知识图谱构建研究

引用

地学前缘 2024年第4期31卷 16-25页

作者：叶育鑫刘家文曾婉馨叶水盛吉林大学计算机科学与技术学院吉林长春130012 吉林大学符号计算与知识工程教育部重点实验室吉林长春130012 吉林大学综合信息矿产预测研究所吉林长春130026

在基于数据驱动范式的科学研究中,构建知识图谱已被证明是获取和表征知识的有效手段之一。然而,目前已构建的矿产资源预测领域知识图谱仍然存在诸多挑战和局限性,有待进一步解决和完善。首先,针对矿产预测的本体构建问题研究相对较少,... 详细信息

在基于数据驱动范式的科学研究中,构建知识图谱已被证明是获取和表征知识的有效手段之一。然而,目前已构建的矿产资源预测领域知识图谱仍然存在诸多挑战和局限性,有待进一步解决和完善。首先,针对矿产预测的本体构建问题研究相对较少,尤其是该领域现有知识图谱的本体层普遍缺乏时空语义,限制了对于矿产资源时空特征的有效表示与分析。其次,现有图谱构建方法主要为面向数据层面的文本抽取,而缺乏对于复杂逻辑关系的本体层建设,以及本体层与数据层之间的有效关联。以上问题会导致构建的地学知识图谱缺乏深层次的语义信息,难以满足矿产资源预测对表达复杂地学概念和关系的需求。针对上述问题,本研究以综合信息矿产预测理论为指导,旨在构建可应用于矿产预测任务的复杂语义知识图谱。具体而言,首先通过对矿产预测的理论和方法进行解析构建初始化领域本体,然后选择成熟的地质时间本体和地理空间本体对初始本体进行本体融合和扩展,通过嵌入时空语义有效表达地矿产资源的时空特征。此外,重点关注了本体层与数据层之间的关联建设,通过建立丰富的语义关系,实现知识图谱中各个节点之间的有效连接与信息共享。实验结果表明,采用本文所提出的方法构建的图谱在知识丰度和置信度等指标上均优于其他现有方法。这一研究为矿产预测领域提供了更为深入和全面的数据资源建设的方法支撑,有助于推动该领域的进一步发展和应用。

关键词：矿产资源知识图谱本体工程综合信息矿产预测理论

来源：评论

学校读者我要写书评

暂无评论

基于实体类别信息的数据分析与关系抽取模型构建

引用

吉林大学学报(理学版) 2025年第2期63卷 428-436页

作者：杨航张啸成张永刚吉林大学计算机科学与技术学院符号计算与知识工程教育部重点实验室长春130012

针对文档级关系抽取任务中的实体多提及问题和实体对噪音问题,使用实体的类别信息,提出一个基于实体类别信息的关系抽取模型(EUT模型),该模型通过实体类别判断和类别对产生的关系类别先验两个子任务提高关系抽取结果.实体类别判断任务... 详细信息

针对文档级关系抽取任务中的实体多提及问题和实体对噪音问题,使用实体的类别信息,提出一个基于实体类别信息的关系抽取模型(EUT模型),该模型通过实体类别判断和类别对产生的关系类别先验两个子任务提高关系抽取结果.实体类别判断任务对实体进行类型标记后,再对实体所有提及进行类型分类,使实体的多个提及产生更丰富且相近的特征表示.关系类别先验任务使模型获得实体对的头尾类型所产生的关系分布先验,通过实体对的类别降低错误实体对噪音.为验证EUT模型的效果,在两个文档级数据集DocRED和Re-DocRED上进行实验,实验结果表明,该模型有效利用了实体的类型信息,与基础模型相比取得了更好的关系抽取效果,表明实体的类别信息对文档级关系抽取有重要影响.

关键词：文档级关系抽取知识图谱结构化先验自然语言处理

来源：评论

学校读者我要写书评

暂无评论

基于生成对抗网络的序列交叉熵哈希

引用

吉林大学学报（工学版） 2023年第12期53卷 3536-3546页

作者：王振杨宵晗吴楠楠李国坤冯创山东理工大学计算机科学与技术学院山东淄博255022 吉林大学符号计算与知识工程教育部重点实验室长春130012

为了快速响应遥感图像的近邻检索请求,提出了基于生成对抗网络的序列交叉熵哈希(GANOCH)。首先,建立了基于交叉熵的序列保持目标函数,确保任意三元组样本在不同空间内的序列相似性关系具有相同的概率分布,增强了序列保持约束性。然后,... 详细信息

为了快速响应遥感图像的近邻检索请求,提出了基于生成对抗网络的序列交叉熵哈希(GANOCH)。首先,建立了基于交叉熵的序列保持目标函数,确保任意三元组样本在不同空间内的序列相似性关系具有相同的概率分布,增强了序列保持约束性。然后,为解决优化过程中的非确定性多项式(NP)难问题,对目标函数中的离散编码进行了连续化松驰处理,并建立了基于三元序列交叉熵的量化损失函数,以减少由连续化过程引起的误差。同时,构造了基于类别标签矩阵的监督生成对抗网络,以增广训练数据集,避免由数据不足或不均衡导致深度网络发生过拟合。最后,在UCMD、SAT4和SAT6遥感数据集上设置了近邻检索性能对比实验,结果表明,基于生成对抗网络的序列交叉熵哈希的近邻检索性能较优。

关键词：计算机应用技术哈希算法交叉熵序列保持

来源：评论

学校读者我要写书评

暂无评论

融合胶囊网络与因果推理的疾病预测

引用

应用科学学报 2025年第1期43卷 1-19页

作者：孙明辰金辉王英吉林大学计算机科学与技术学院吉林长春130012 吉林大学符号计算与知识工程教育部重点实验室吉林长春130012

现有基于深度学习的疾病预测模型通常是数据驱动的,导致模型过度依赖于训练数据集中的样本数量以及疾病类型覆盖范围。现有疾病预测方法主要存在以下局限性:1)若模型在训练过程中所涉及的疾病类型有限,则其在处理罕见疾病时性能会大幅... 详细信息

现有基于深度学习的疾病预测模型通常是数据驱动的,导致模型过度依赖于训练数据集中的样本数量以及疾病类型覆盖范围。现有疾病预测方法主要存在以下局限性:1)若模型在训练过程中所涉及的疾病类型有限,则其在处理罕见疾病时性能会大幅下降甚至做出错误预测。2)训练数据中可能存在与预测目标无关或相关性较小的特征。这种噪声会导致模型无法做出稳定的可靠预测,进而无法满足医疗领域应用对高安全性、高可靠性的现实需求。为解决上述问题,本文构建了融合胶囊网络与因果推理的疾病预测模型CausalCap。首先获取临床特征与疾病标签间的因果效应和因果关系,构建临床特征因果图。其次,对因果图进行剪枝,删除与疾病标签没有因果关系的虚假关联节点,保留对疾病发生有因果影响的关键节点,以得到疾病因果图。最后,利用分层图胶囊神经网络(hierarchical graph capsule network,HGCN)对疾病因果图进行图分类实现疾病预测。本文在6个公共数据集上进行的大量实验表明:与次优方法相比,所提方法在准确率和F1指标上分别有2.50%和6.46%的平均提升。

关键词：疾病预测因果推理胶囊网络动态路由图分类

来源：评论

学校读者我要写书评

暂无评论

基于会话的结合全局潜在信息的图神经网络推荐模型

引用

吉林大学学报（工学版） 2023年第10期53卷 2964-2972页

作者：董立岩梁伟业王越群李永丽吉林大学计算机科学与技术学院长春130012 吉林大学符号计算与知识工程教育部重点实验室长春130012 东北师范大学信息科学与技术学院长春130117

针对当前各种基于会话推荐的模型存在对物品间全局关系的获取和使用不足的问题,提出了基于会话的结合全局潜在信息的图神经网络推荐模型。该模型根据全部会话序列构建会话图与全局图,并在全局图中引入了序列中各节点间的间距信息,以及... 详细信息

针对当前各种基于会话推荐的模型存在对物品间全局关系的获取和使用不足的问题,提出了基于会话的结合全局潜在信息的图神经网络推荐模型。该模型根据全部会话序列构建会话图与全局图,并在全局图中引入了序列中各节点间的间距信息,以及序列节点的相邻节点彼此之间的贡献度,通过模型训练获取最后的会话表征预测下一个交互行为。实验结果表明:在结合图神经网络的推荐算法中充分挖掘全局潜在信息可以有效提高推荐算法的准确率,这一改进对提高基于会话的图神经网络模型的性能有一定指导意义。

关键词：计算机软件推荐系统基于会话的推荐图神经网络全局信息

来源：评论

学校读者我要写书评

暂无评论

基于贡献度和数据有效性检验的共识机制

引用

东北大学学报（自然科学版） 2024年第2期45卷 160-169,178页

作者：时小虎姚鑫孙延风马德印吉林大学计算机科学与技术学院吉林长春130012 吉林大学符号计算与知识工程教育部重点实验室吉林长春130012 吉林大学商学院吉林长春130012 长春工业大学计算机科学与工程学院吉林长春130012

将区块链技术引入到分布式数据维护系统,旨在解决基于传统中心化数据库的分布式系统存在的数据维护不透明、数据易被篡改、历史记录不可追溯等问题,提出一种基于贡献度和数据有效性检验的共识机制.该算法提出一种贡献度优先的随机可验... 详细信息

将区块链技术引入到分布式数据维护系统,旨在解决基于传统中心化数据库的分布式系统存在的数据维护不透明、数据易被篡改、历史记录不可追溯等问题,提出一种基于贡献度和数据有效性检验的共识机制.该算法提出一种贡献度优先的随机可验证领导者选举机制,保证记账权分配的随机性及可验证性.进一步引入密度峰值算法对交易数据有效性进行校验,对打包区块的正确性达成共识.最后将所提出的共识机制应用于梅花鹿分布式养殖场场景,结果验证了密度峰值算法在交易数据有效性检测任务中的准确性和高效性.出块时延分析和安全性分析表明,所提出的共识机制能够满足数据有效性验证的实时性需求,能耗较小,具有很强的灾备能力.

关键词：区块链共识机制离群点检测分布式数据维护溯源

来源：评论

学校读者我要写书评

暂无评论

自适应特征融合的迭代实体对齐方法

引用

吉林大学学报（理学版） 2024年第3期62卷 629-635页

作者：李婷婷邵斐温天晓董飒吉林大学计算机科学与技术学院符号计算与知识工程教育部重点实验室长春130012

针对知识图谱实体对齐任务中缺乏训练数据以及长尾实体对齐准确率较低的问题,提出一种基于自适应特征融合策略的迭代实体对齐方法,并设计一种迭代策略自动扩充训练数据的规模.该方法使用知识图谱的结构信息,并利用关系、属性和实体名称... 详细信息

针对知识图谱实体对齐任务中缺乏训练数据以及长尾实体对齐准确率较低的问题,提出一种基于自适应特征融合策略的迭代实体对齐方法,并设计一种迭代策略自动扩充训练数据的规模.该方法使用知识图谱的结构信息,并利用关系、属性和实体名称信息作为语义信息辅助对齐,从而提升对齐效果.在数据集上的实验结果表明,该模型在知识图谱实体对齐任务中效果良好.

关键词：知识图谱实体对齐迭代策略自适应特征融合

来源：评论

学校读者我要写书评

暂无评论

联合时空注意力的视频显著性预测

引用

吉林大学学报（工学版） 2024年第6期54卷 1767-1776页

作者：孙铭会薛浩金玉波曲卫东秦贵和吉林大学计算机科学与技术学院长春130012 吉林大学符号计算与知识工程教育部重点实验室长春130012 上海爱思博特管理咨询有限公司上海200050 光电对抗测试评估技术重点实验室河南洛阳471000

为了解决视频显著性预测任务中时间与空间特征联合建模的问题,提出联合时空注意力机制(COStA),共同提取时间和空间维度的注意信息,突出特定时间和区域的特征供模型来感知。基于该机制,进一步提出视频显著性预测模型TASED-COStA,对比实... 详细信息

为了解决视频显著性预测任务中时间与空间特征联合建模的问题,提出联合时空注意力机制(COStA),共同提取时间和空间维度的注意信息,突出特定时间和区域的特征供模型来感知。基于该机制,进一步提出视频显著性预测模型TASED-COStA,对比实验表明:COStA机制能为神经网络模型在CC、NSS与SIM三个评价指标上获得大于8%的性能提升,TASED-COStA模型能有效地建模视频信息中的时间与空间关系,并给出准确的预测结果。

关键词：计算机应用深度学习计算机视觉卷积神经网络视频显著性预测联合时空注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于特征图网络和多种生物信息预测关键蛋白质的深度学习框架

引用

吉林大学学报（理学版） 2024年第3期62卷 593-605页

作者：刘桂霞曹心恬赵贺吉林大学计算机科学与技术学院符号计算与知识工程教育部重点实验室长春130012

针对生物实验识别关键蛋白质费时费力,使用计算方法预测关键蛋白质无法有效整合生物信息的问题,提出一个深度学习框架.首先利用网络拓扑结构、基因表达数据和GO(gene ontology)注释数据构建加权蛋白质相互作用网络;然后分别使用特征图... 详细信息

针对生物实验识别关键蛋白质费时费力,使用计算方法预测关键蛋白质无法有效整合生物信息的问题,提出一个深度学习框架.首先利用网络拓扑结构、基因表达数据和GO(gene ontology)注释数据构建加权蛋白质相互作用网络;然后分别使用特征图网络和双向长短期记忆细胞从亚细胞定位数据、蛋白质复合物数据和基因表达数据中提取特征向量;最后将这些特征向量输入到任务学习层预测关键蛋白质.实验结果表明,相比于现有的计算方法,该方法预测性能更好.

关键词：关键蛋白质特征图网络亚细胞定位基因表达 GO注释蛋白质复合物

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：