检索结果-内蒙古大学图书馆

数据分析与知识发现 2022年第12期6卷 80-89页

作者：王烨桐江涛西北民族大学中国民族语言文字信息技术教育部重点实验室兰州730030

【目的】为快速找出网络中最具影响力的节点,提出使用重叠社区的影响力最大化方法 IMtoc。【方法】将整个社交网络分割为几个重叠社区,综合特征向量中心性最大的节点和重叠节点,选出候选种子集,然后通过贪心算法在候选集中找到最优的种... 详细信息

【目的】为快速找出网络中最具影响力的节点,提出使用重叠社区的影响力最大化方法 IMtoc。【方法】将整个社交网络分割为几个重叠社区,综合特征向量中心性最大的节点和重叠节点,选出候选种子集,然后通过贪心算法在候选集中找到最优的种子节点。【结果】对于大型社交网络Git_web_ml数据集,IMtoc算法的运行时间比CELF和IMRank算法快约91%和65%。【局限】影响力节点与重叠节点存在重合,造成部分节点代表性不足。【结论】IMtoc算法与现有方法相比存在一定优势,可以在影响范围和运行时间之间取得平衡。

关键词：社交网络重叠社区影响力最大化信息传播

来源：评论

学校读者我要写书评

暂无评论

基于联合复杂网络Cn-RippleNet模型的推荐方法

引用

西北工业大学学报 2021年第5期39卷 1070-1076页

作者：罗宇泰徐涛徐章博西北民族大学中国民族语言文字信息技术教育部重点实验室甘肃兰州730030

RippleNet对用户偏好传播进行建模,并运用在推荐系统中,取得了良好的效果,但RippleNet没有考虑知识图谱中的实体权重,导致推荐的实体不够精确。提出了一种加入复杂网络节点影响力的Cn-RippleNet模型,在构建基于知识图谱的复杂网络之后,... 详细信息

RippleNet对用户偏好传播进行建模,并运用在推荐系统中,取得了良好的效果,但RippleNet没有考虑知识图谱中的实体权重,导致推荐的实体不够精确。提出了一种加入复杂网络节点影响力的Cn-RippleNet模型,在构建基于知识图谱的复杂网络之后,抽取其最大子网模型,计算图谱网络中节点影响力,并将其作为实体的权重添加至图谱实体中,最终计算出推荐结果。实验结果表明,该方法将RippleNet的AUC和ACC的值提高到了93.0%和85.6%,弥补了RippleNet没有考虑图谱实体影响力的问题,使推荐结果更符合用户预期。

关键词：知识图谱推荐系统复杂网络节点影响力 RippleNet

来源：评论

学校读者我要写书评

暂无评论

基于本体的唐卡图像标注方法

引用

吉林大学学报（工学版） 2020年第1期50卷 289-296页

作者：王铁君王维兰西北民族大学中国民族语言文字信息技术教育部重点实验室兰州730030 西北民族大学数学与计算机科学学院兰州730030

针对现有的图像自动标注算法对唐卡图像的自动标注和语义描述能力有限的缺点,提出了一种基于领域知识本体的唐卡图像语义标注方法。首先,构建了唐卡图像标注框架体系,然后,在前期唐卡图像中目标对象识别和分类的基础上,结合唐卡领域知... 详细信息

针对现有的图像自动标注算法对唐卡图像的自动标注和语义描述能力有限的缺点,提出了一种基于领域知识本体的唐卡图像语义标注方法。首先,构建了唐卡图像标注框架体系,然后,在前期唐卡图像中目标对象识别和分类的基础上,结合唐卡领域知识本体,对圣像类唐卡图像进行了两个层面的标注,即局部区域自动标注和基于本体的全局标注。实验结果表明,该标注方法对唐卡图像十分有效。

关键词：计算机应用唐卡图像图像标注领域本体

来源：评论

学校读者我要写书评

暂无评论

融合FCN和LSTM的视频异常事件检测

引用

上海交通大学学报 2021年第5期55卷 607-614页

作者：武光利郭振洲李雷霆王成祥甘肃政法大学网络空间安全学院兰州730070 西北民族大学中国民族语言文字信息技术教育部重点实验室兰州730070

针对传统视频异常检测模型的缺点,提出一种融合全卷积神经(FCN)网络和长短期记忆(LSTM)网络的网络结构.该网络结构可以进行像素级预测,并能精确定位异常区域.首先,利用卷积神经网络提取视频帧不同深度的图像特征;然后,把不同的图像特征... 详细信息

针对传统视频异常检测模型的缺点,提出一种融合全卷积神经(FCN)网络和长短期记忆(LSTM)网络的网络结构.该网络结构可以进行像素级预测,并能精确定位异常区域.首先,利用卷积神经网络提取视频帧不同深度的图像特征;然后,把不同的图像特征分别输入记忆网络分析时间序列的语义信息,并通过残差结构融合图像特征和语义信息;同时,采用跳级结构集成多模态下的融合特征并进行上采样,最终获得与原视频帧大小相同的预测图.所提网络结构模型在加州大学圣地亚哥分校(UCSD)异常检测数据集的ped 2子集和明尼苏达大学(UMN)人群活动数据集上进行测试,均取得了较好的结果.在UCSD上的等错误率低至6.6%,曲线下面积达到了98.2%,F 1分数达到了94.96%;在UMN上的等错误率低至7.1%,曲线下面积达到了93.7%,F 1分数达到了94.46%.

关键词：计算机视觉视频异常检测像素级预测全卷积神经网络长短期记忆网络

来源：评论

学校读者我要写书评

暂无评论

融合多层次特征的中文语义角色标注

引用

智能系统学报 2020年第1期15卷 107-113页

作者：王一成万福成马宁西北民族大学中国民族语言文字信息技术教育部重点实验室甘肃兰州730030 西北民族大学甘肃省民族语言智能处理重点实验室甘肃兰州730030

随着人工智能和中文信息处理技术的迅猛发展,自然语言处理相关研究已逐步深入到语义理解层次上,而中文语义角色标注则是语义理解领域的核心技术。在统计机器学习仍占主流的中文信息处理领域,传统的标注方法对句子的句法及语义的解析程... 详细信息

随着人工智能和中文信息处理技术的迅猛发展,自然语言处理相关研究已逐步深入到语义理解层次上,而中文语义角色标注则是语义理解领域的核心技术。在统计机器学习仍占主流的中文信息处理领域,传统的标注方法对句子的句法及语义的解析程度依赖较大,因而标注准确率受限较大,已无法满足当前需求。针对上述问题,对基于Bi-LSTM的中文语义角色标注基础模型进行了改进研究,在模型后处理阶段结合了Max pooling技术,训练时融入了词法和句式等多层次的语言学特征,以实现对原有标注模型的深入改进。通过多组实验论证,结合语言学辅助分析,提出针对性的改进方法从而使模型标注准确率得到了显著提升,证明了结合Max pooling技术的Bi-LSTM语义角色标注模型中融入相关语言学特征能够改进模型标注效果。

关键词：自然语言处理语义角色标注深度学习 Bi-LSTM 语言学特征后处理层 Max pooling

来源：评论

学校读者我要写书评

暂无评论

藏汉双语场景图像数据集合成及文本检测方法

引用

计算机辅助设计与图形学学报 2022年第4期34卷 592-604页

作者：郝玉胜王维兰李金成林强西北民族大学数学与计算机科学学院兰州730030 中国民族语言文字信息技术教育部重点实验室兰州730030 西北民族大学流数据计算与应用重点实验室兰州730030

为满足大量藏汉双语场景图像中的文字检测和识别的需求,合成数据集并训练深度学习模型,提出场景图像藏汉双语文本检测方法.首先,针对缺乏藏汉双语场景图像数据集的问题,提出基于轮廓检测和泊松图像编辑的合成方法,采用人工标注和自动化... 详细信息

为满足大量藏汉双语场景图像中的文字检测和识别的需求,合成数据集并训练深度学习模型,提出场景图像藏汉双语文本检测方法.首先,针对缺乏藏汉双语场景图像数据集的问题,提出基于轮廓检测和泊松图像编辑的合成方法,采用人工标注和自动化合成方式生成了具有相当规模的藏汉双语场景图像数据集BiTCSD,其中包含合成图像87680幅、人工标注图像5550幅;其次,验证了使用合成数据集训练模型的有效性;最后,在不同数据集上训练了深度文本框连接网络CTPN,并在测试集上针对不同语种评价了模型的文本检测性能.实验结果表明:通过合成样本训练CTPN模型,能够使模型的文本检测指标大幅提升;训练后的CTPN能够以较高的准确率和召回率检测场景图像中的藏汉双语文本区域,针对藏语文本的检测准确率P、召回率R和F值分别为0.91,0.85和0.88;针对汉语文本的检测准确率P、召回率R和F值分别为0.89,0.83和0.86.

关键词：场景文本检测藏汉双语合成数据集深度学习

来源：评论

学校读者我要写书评

暂无评论

结合文字核心区域和扩展生长的藏文古籍文本行切分

引用

激光与光电子学进展 2021年第2期58卷 105-115页

作者：李金成王筱娟王维兰林强胡鹏飞西北民族大学中国民族语言文字信息技术教育部重点实验室甘肃兰州730030 西北民族大学数学与计算机科学学院甘肃兰州730030

藏文古籍文档图像中相邻文本行之间通常存在黏连和重叠的情况,这使得文本行切分成为一项艰巨的任务。因此,提出了一种结合文字核心区域和扩展生长的藏文古籍文档图像的行切分方法。首先,根据二值藏文古籍文档图像中连通域的面积和真圆... 详细信息

藏文古籍文档图像中相邻文本行之间通常存在黏连和重叠的情况,这使得文本行切分成为一项艰巨的任务。因此,提出了一种结合文字核心区域和扩展生长的藏文古籍文档图像的行切分方法。首先,根据二值藏文古籍文档图像中连通域的面积和真圆度去除非音节点,获得音节点图像。其次,通过水平投影音节点图像和垂直投影二值原图,得到文本行基线所处的范围和文本行数,生成文字核心区域;通过像素值的或运算将文字核心区域和二值原图结合,得到伪文本连通区域。最后,基于广度优先搜索算法将文字核心区域扩展为伪文本连通区域,获得伪文本行连通区域,通过去掉其中的非文字区域来获得伪文本行,利用有效的断裂笔画行归属方法获得最终的文本行。实验结果表明,所提方法取得了较好的文本行切分结果,有效解决了文本行之间的重叠、部分行黏连以及笔画断裂等藏文古籍文本行切分的问题。

关键词：图像处理藏文古籍文档图像文本行切分文字核心区域扩展生长

来源：评论

学校读者我要写书评

暂无评论

结合多尺度上下文信息的唐卡小样本目标检测

引用

光学精密工程 2023年第12期31卷 1859-1869页

作者：胡文瑾唐慧媛乐超洋宋华飞西北民族大学中国民族语言文字信息技术教育部重点实验室甘肃兰州730030 西北民族大学数学与计算机科学学院甘肃兰州730030

通过对图像中感兴趣的对象进行分类与定位,能够帮助人们理解唐卡图像丰富的语义信息,促进文化传承。针对唐卡图像样本较少,背景复杂,检测目标存在遮挡,检测精度不高等问题,本文提出了一种结合多尺度上下文信息和双注意力引导的唐卡小样... 详细信息

通过对图像中感兴趣的对象进行分类与定位,能够帮助人们理解唐卡图像丰富的语义信息,促进文化传承。针对唐卡图像样本较少,背景复杂,检测目标存在遮挡,检测精度不高等问题,本文提出了一种结合多尺度上下文信息和双注意力引导的唐卡小样本目标检测算法。首先,构建了一个新的多尺度特征金字塔,学习唐卡图像的多层级特征和上下文信息,提高模型对多尺度目标的判别能力。其次,在特征金字塔末端加入双注意力引导模块,提升模型对关键特征的表征能力,同时降低噪声的影响。最后利用Rank&Sort Loss替换交叉熵分类损失,简化模型训练的复杂度并提升检测精度。实验结果表明,所提出的方法在唐卡数据集和COCO数据集上的10-shot实验中,平均检测精度分别达到了19.7%和11.2%。

关键词：唐卡小样本目标检测上下文信息多尺度特征双注意力机制

来源：评论

学校读者我要写书评

暂无评论

神经机器翻译综述

引用

计算机学报 2018年第12期41卷 2734-2755页

作者：李亚超熊德意张民苏州大学计算机科学与技术学院江苏苏州215006 西北民族大学中国民族语言文字信息技术教育部重点实验室兰州730030

机器翻译研究将源语言所表达的语义自动转换为目标语言的相同语义,是人工智能和自然语言处理的重要研究内容.近年来,基于序列到序列模型(Sequence-to-Sequence Model)形成一种新的机器翻译方法:神经机器翻译(Neural Machine Translation... 详细信息

机器翻译研究将源语言所表达的语义自动转换为目标语言的相同语义,是人工智能和自然语言处理的重要研究内容.近年来,基于序列到序列模型(Sequence-to-Sequence Model)形成一种新的机器翻译方法:神经机器翻译(Neural Machine Translation,NMT),它完全采用神经网络完成源语言到目标语言的翻译过程,成为一种极具潜力全新的机器翻译模型.神经机器翻译经过最近几年的发展,取得了丰富的研究成果,在多数语言对上逐渐超过了统计机器翻译方法.该文首先介绍了经典神经机器翻译模型及存在的问题与挑战;然后简单概括神经机器翻译中常用的神经网络;之后按照经典神经机器翻译模型、基础共性问题、新模型、新架构等分类体系详细介绍了相关研究进展;接着简单介绍基于神经网络的机器翻译评测方法;最后展望未来研究方向和发展趋势,并对该文做出总结.

关键词：机器翻译神经机器翻译注意力机制循环神经网络序列到序列模型机器翻译评测

来源：评论

学校读者我要写书评

暂无评论

融合音节和词条特征的藏文文本情感分类研究

引用

中文信息学报 2023年第2期37卷 80-86页

作者：孟祥和于洪志西北民族大学、中国民族语言文字信息技术教育部重点实验室甘肃兰州730030

将深度神经网络模型应用于藏文文本情感分类中,虽然取得不错的分类效果,但仍然存在因藏文评论文本长度较短引起的特征稀疏的问题,使得深度学习模型不能够提取到更为全面的藏文文本语义特征。该文提出一种以藏文音节和藏文词条同时作为... 详细信息

将深度神经网络模型应用于藏文文本情感分类中,虽然取得不错的分类效果,但仍然存在因藏文评论文本长度较短引起的特征稀疏的问题,使得深度学习模型不能够提取到更为全面的藏文文本语义特征。该文提出一种以藏文音节和藏文词条同时作为文本基本表示对象,采用CNN、BiLSTM和Multi-Headed Self-Attention机制等深度学习模型完成对藏文评论文本情感分类的研究方法。实验首先对音节和词条进行向量化表示,然后分别采用多核卷积神经网络、BiLSTM和Multi-Headed Self-Attention机制获取藏文文本中多维度的内部特征,最后通过特征拼接,再经激活函数为Softmax的全连接神经网络完成文本情感分类。研究结果表明,在该文的实验测试语料集上,融合音节和词条特征模型的分类准确率要优于基于音节的模型和基于词条的模型。

关键词：藏文文本情感分类藏文音节深度神经网络

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：