检索结果-内蒙古大学图书馆

计算机应用与软件 2025年第5期42卷 282-290页

作者：钱慧郑朝晖苏州大学计算机科学与技术学院江苏苏州215006 江苏省网络空间安全工程实验室江苏苏州215006

Raft算法是一种日志复制一致性算法,针对其领导者选举投票分裂和领导者节点负载过大问题,提出一种基于信任值的高性能拜占庭容错共识算法——T_Raft共识算法。基于多节点分摊的思想提出并行日志复制方法,提升了数据吞吐量,提出节点信任... 详细信息

Raft算法是一种日志复制一致性算法,针对其领导者选举投票分裂和领导者节点负载过大问题,提出一种基于信任值的高性能拜占庭容错共识算法——T_Raft共识算法。基于多节点分摊的思想提出并行日志复制方法,提升了数据吞吐量,提出节点信任度模型,对投票选举机制以及日志复制过程进行改进,有效检测出拜占庭节点,提高了算法的安全性。实验结果表明,相比Raft共识算法,T_Raft共识算法在保证高效率的同时可以具备拜占庭容错能力,而且也大大提高了选举速度。

关键词： Raft 投票分裂强领导者 T_Raft 拜占庭容错信任度模型

来源：评论

学校读者我要写书评

暂无评论

递归型数据中心网络上g-额外连通度及容错单播算法研究

引用

计算机应用与软件 2024年第1期41卷 261-268,290页

作者：伊雯雯王喜张书奎苏州工业职业技术学院软件与服务外包学院江苏苏州215004 苏州大学计算机科学与技术学院江苏苏州215006

数据中心网络的研究是近几年兴起的热点。与传统的树型数据中心网络相比,递归型数据中心网络具有更好的容错性和可扩展性。部署于n-口交换机上的k-维递归型完全图网络可以表示为Xk,n,σ表示图中任意顶点与同维度其他子图相连接的边数。... 详细信息

数据中心网络的研究是近几年兴起的热点。与传统的树型数据中心网络相比,递归型数据中心网络具有更好的容错性和可扩展性。部署于n-口交换机上的k-维递归型完全图网络可以表示为Xk,n,σ表示图中任意顶点与同维度其他子图相连接的边数。在实际情况中,网络的额外连通度相较于传统的连通度能够更准确地衡量一个网络的容错性。证明当k≥3,n≥3,σ∈{1,n-1}且0≤g≤2时,Xk,n的g-额外连通度为(g+1)(kσ-1)+n,这一结果接近于其连通度的g+1倍。进一步,提出基于该情形下的容错单播算法,并证明了该算法的时间复杂度和在最坏情况下Xk,n中任意两点间构造出路径长度的上界。通过模拟仿真实验,验证了该算法在执行效率上优于广度优先和深度优先搜索算法,且算法具有较好的容错性。

关键词：递归型数据中心网络容错性额外连通度容错单播算法算法分析

来源：评论

学校读者我要写书评

暂无评论

基于渐近式k-means聚类的多行动者确定性策略梯度算法

引用

吉林大学学报(理学版) 2025年第3期63卷 885-894页

作者：刘全刘晓松吴光军刘禹含喀什大学计算机科学与技术学院新疆喀什844000 苏州大学计算机科学与技术学院江苏苏州215008 西交利物浦大学未来教育学院江苏苏州215000

针对深度确定性策略梯度(deep deterministic policy gradient,DDPG)算法在一些大状态空间任务中存在学习效果不佳及波动较大等问题,提出一种基于渐近式k-means聚类算法的多行动者深度确定性策略梯度(multi-actor deep deterministic po... 详细信息

针对深度确定性策略梯度(deep deterministic policy gradient,DDPG)算法在一些大状态空间任务中存在学习效果不佳及波动较大等问题,提出一种基于渐近式k-means聚类算法的多行动者深度确定性策略梯度(multi-actor deep deterministic policy gradient based on progressive k-means clustering,MDDPG-PK-Means)算法.在训练过程中,对每一时间步下的状态进行动作选择时,根据k-means算法判别结果辅佐行动者网络的决策,同时随训练时间步的增加,逐渐增加k-means算法类簇中心的个数.将MDDPG-PK-Means算法应用于MuJoCo仿真平台上,实验结果表明,与DDPG等算法相比,MDDPG-PK-Means算法在大多数连续任务中都具有更好的效果.

关键词：深度强化学习确定性策略梯度算法 k-means聚类多行动者

来源：评论

学校读者我要写书评

暂无评论

FFConvNeXt3D:提取中大规模目标特征的大卷积核网络

引用

郑州大学学报（理学版） 2025年第2期57卷 37-43页

作者：黄乾坤黄蔚凌兴宏苏州大学计算机科学与技术学院江苏苏州215006 苏州大学东吴学院计算机系江苏苏州215006 苏州城市学院计算科学与人工智能学院江苏苏州215104 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

目前大卷积核模型在图像领域已经证明其有效性,但是在视频领域还没有优秀的3D大卷积核模型。此外,之前的工作中忽视了时空行为检测任务主体是人的特点,其中的骨干网络只针对通用目标提取特征。针对上述原因,提出了一种含有特征融合结构... 详细信息

目前大卷积核模型在图像领域已经证明其有效性,但是在视频领域还没有优秀的3D大卷积核模型。此外,之前的工作中忽视了时空行为检测任务主体是人的特点,其中的骨干网络只针对通用目标提取特征。针对上述原因,提出了一种含有特征融合结构的3D大卷积核神经网络(FFConvNeXt3D)。首先,将成熟的ConvNeXt网络膨胀成用于视频领域的ConvNeXt3D网络,其中,预训练权重也进行处理用于膨胀后的网络。其次,研究了卷积核时间维度大小和位置对模型性能的影响。最后,提出了一个特征融合结构,着重提高骨干网络提取人物大小目标特征的能力。在UCF101-24数据集上进行了消融实验和对比实验,实验结果验证了特征融合结构的有效性,并且该模型性能优于其他方法。

关键词：大卷积核目标检测时空行为检测行为识别特征融合

来源：评论

学校读者我要写书评

暂无评论

基于多任务预训练模型的属性级情感分类

引用

中文信息学报 2022年第10期36卷 126-134页

作者：周敏王中卿李寿山周国栋苏州大学计算机科学与技术学院江苏苏州215006

目前,缺少标注样本数据是属性级情感分类任务面临的一大难题,为了解决这一问题,该文提出了结合多项任务的预训练Bert模型。该模型利用大量未标注的篇章级情感分类数据,结合多种分类任务预训练模型共享参数,迁移属性级评论和篇章级评论... 详细信息

目前,缺少标注样本数据是属性级情感分类任务面临的一大难题,为了解决这一问题,该文提出了结合多项任务的预训练Bert模型。该模型利用大量未标注的篇章级情感分类数据,结合多种分类任务预训练模型共享参数,迁移属性级评论和篇章级评论中共享的有用的语义语法信息,从而帮助模型提高属性级情感分类准确率。在SemEval-14数据集上的实验结果表明,相较于一系列基准模型,该文提出的模型有效提高了属性级情感分类的准确率。

关键词： Bert 多任务情感分类

来源：评论

学校读者我要写书评

暂无评论

基于指针网络融入混淆集知识的中文语法纠错

引用

中文信息学报 2022年第4期36卷 29-38页

作者：李嘉诚沈嘉钰龚晨李正华张民苏州大学计算机科学与技术学院江苏苏州215006

在中文语法纠错(CGEC)任务上,虽然替换类错误在数据集中占比最多,但还没有研究者尝试过将音近和形近知识融入基于神经网络的语法纠错模型中。针对这一问题,该文做了两方面的尝试。首先,该文提出了一种基于指针网络融入混淆集知识的语法... 详细信息

在中文语法纠错(CGEC)任务上,虽然替换类错误在数据集中占比最多,但还没有研究者尝试过将音近和形近知识融入基于神经网络的语法纠错模型中。针对这一问题,该文做了两方面的尝试。首先,该文提出了一种基于指针网络融入混淆集知识的语法纠错模型。具体而言,该模型在序列到编辑(Seq2Edit)语法纠错模型基础上,利用指针网络融入汉字之间的音近和形近知识。其次,在训练数据预处理阶段,即从错误-正确句对抽取编辑序列过程中,该文提出一种混淆集指导的编辑距离算法,从而更好地抽取音近和形近字的替换类编辑。实验结果表明,该文提出的两点改进均能提高模型性能,且作用互补;该文所提出的模型在NLPCC 2018评测数据集上达到了目前最优性能。实验分析表明,与基准Seq2Edit语法纠错模型相比,该文模型的性能提升大部分来自于替换类错误的纠正。

关键词：语法纠错混淆集指针网络

来源：评论

学校读者我要写书评

暂无评论

基于半监督学习的中文社交文本事件聚类方法

引用

中文信息学报 2022年第2期36卷 152-159页

作者：郭恒睿王中卿朱巧明李培峰苏州大学计算机科学与技术学院江苏苏州215006

面向社交媒体的事件聚类旨在根据事件特征实现短文本聚类。目前,事件聚类模型主要分为无监督模型和有监督模型。无监督模型聚类效果较差,有监督聚类模型依赖大量标注数据。基于此,该文提出了一种半监督事件聚类模型(SemiEC),该模型在小... 详细信息

面向社交媒体的事件聚类旨在根据事件特征实现短文本聚类。目前,事件聚类模型主要分为无监督模型和有监督模型。无监督模型聚类效果较差,有监督聚类模型依赖大量标注数据。基于此,该文提出了一种半监督事件聚类模型(SemiEC),该模型在小规模标注数据的基础上,利用LSTM表征事件,并基于线性模型计算文本相似度,进行增量聚类。然后,利用增量聚类产生的标注数据对模型再训练,结束后对不确定样本再聚类。实验表明,SemiEC的性能相比基准模型有较大提升。

关键词：社交媒体事件聚类增量聚类文本相似度

来源：评论

学校读者我要写书评

暂无评论

基于注意力掩码语言模型的隐式篇章关系识别

引用

中文信息学报 2022年第10期36卷 17-26页

作者：窦祖俊洪宇李晓周国栋苏州大学计算机科学与技术学院江苏苏州215006

隐式篇章关系识别是在缺少显式连接词的条件下,自动判定论元之间的语义关系。其挑战性在于现有训练数据的规模较小,其蕴含的语义多样性也相对有限。针对上述问题,该文利用掩码语言模型架构建立篇章关系分类模型。其动因包括:①掩码语言... 详细信息

隐式篇章关系识别是在缺少显式连接词的条件下,自动判定论元之间的语义关系。其挑战性在于现有训练数据的规模较小,其蕴含的语义多样性也相对有限。针对上述问题,该文利用掩码语言模型架构建立篇章关系分类模型。其动因包括:①掩码语言模型在自监督学习过程中具备局部的语言生成能力,即在理解上下文语义的基础上“重构掩码区域语义表示”的能力;②掩码重构形成了数据增强(潜在的自动数据扩展)的效果,有助于提高篇章关系分类模型的鲁棒性。特别地,该文提出一种基于交互注意力的掩码语言模型,该方法计算论元之间的交互注意力矩阵,并依赖交互注意力动态选择论元之间高关联性的关键词项进行遮蔽、掩码重构,从而形成更有针对性的数据增强(非关键信息的数据增强对关系分类影响不大)。该文利用宾州篇章树库语料进行实验。实验结果表明,相较于基准系统,我们提出的方法的F 1值在四大类关系(对比关系、偶然性关系、扩展关系和时序关系)上分别提高了3.21%、6.46%、2.74%和6.56%。

关键词：隐式篇章关系交互式注意力掩码语言模型

来源：评论

学校读者我要写书评

暂无评论

基于联合学习的成分句法与AMR语义分析方法

引用

中文信息学报 2022年第7期36卷 13-23页

作者：黄子怡李军辉贡正仙苏州大学计算机科学与技术学院江苏苏州215006

抽象语义表示(Abstract Meaning Representation,AMR)解析任务是从给定的文本中抽象出句子的语义特征,成分句法分析(Constituency Parsing)任务则探寻句子中的层次逻辑结构。由于AMR解析和成分句法分析之间存在着很强的互补性,抽象语义... 详细信息

抽象语义表示(Abstract Meaning Representation,AMR)解析任务是从给定的文本中抽象出句子的语义特征,成分句法分析(Constituency Parsing)任务则探寻句子中的层次逻辑结构。由于AMR解析和成分句法分析之间存在着很强的互补性,抽象语义需要把握文本的句法结构,而句法分析可以通过理解句子中的语义信息来避免歧义,因此该文提出了一种联合训练方法用于捕获两个任务之间的内部联系从而提升各自任务的性能。此外,为了解决两个任务由于数据量过少造成的数据依赖问题,该文利用外部语料获得大规模自动标注AMR图以及自动标注句法树,并基于上述联合学习方法,采用预训练+微调的半监督学习方法进行训练。实验结果表明,该方法可以有效提高模型的性能,其中AMR解析任务在AMR 2.0上提升了8.73个F_(1)值,句法分析在PTB上获得了6.36个F_(1)值的提升。

关键词： AMR解析成分句法分析联合学习

来源：评论

学校读者我要写书评

暂无评论

基于对话约束的回复生成研究

引用

中文信息学报 2022年第8期36卷 144-153页

作者：管梦雨王中卿李寿山周国栋苏州大学计算机科学与技术学院江苏苏州215006

现有的对话系统中存在着生成“好的”“我不知道”等无意义的安全回复问题。日常对话中,对话者通常围绕特定的主题进行讨论且每句话都有明显的情感和意图。因此该文提出了基于对话约束的回复生成模型,即在Seq2Seq模型的基础上,结合对对... 详细信息

现有的对话系统中存在着生成“好的”“我不知道”等无意义的安全回复问题。日常对话中,对话者通常围绕特定的主题进行讨论且每句话都有明显的情感和意图。因此该文提出了基于对话约束的回复生成模型,即在Seq2Seq模型的基础上,结合对对话的主题、情感、意图的识别。该方法对生成回复的主题、情感和意图进行约束,从而生成具有合理的情感和意图且与对话主题相关的回复。实验证明,该文提出的方法能有效提高生成回复的质量。

关键词：对话生成主题识别情感识别意图识别

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：