检索结果-内蒙古大学图书馆

大数据 2024年第5期10卷 11-27页

作者：沈晨晨岳圣斌刘书隽周宇轩王思远陈伟萧尧李秉轩宋鋆沈晓宇黄萱菁魏忠钰复旦大学大数据学院上海200433 复旦大学上海数学中心上海200433 南加州大学INK实验室加利福尼亚州洛杉矶CA 90089-0915 华中科技大学软件学院湖北武汉430074 上海纽约大学文理学院上海200124 西北政法大学法治学院陕西西安710122 宁波东方理工大学(暂名)数字孪生研究院浙江宁波315200 复旦大学计算机科学技术学院上海200433

近年来,大语言模型在多个自然语言处理任务上展现出了出色的能力,为智慧法律系统的发展带来巨大的帮助。现有法律领域的大模型,通过微调通用大模型能够实现利用法律知识进行简单的问题回答,即大多以法律咨询问答为主,没有考虑到法律领... 详细信息

近年来,大语言模型在多个自然语言处理任务上展现出了出色的能力,为智慧法律系统的发展带来巨大的帮助。现有法律领域的大模型,通过微调通用大模型能够实现利用法律知识进行简单的问题回答,即大多以法律咨询问答为主,没有考虑到法律领域的其他使用场景,如法律信息抽取、判决预测等,而真实世界中的法律服务要比对话服务复杂得多。提出中文法律智慧大模型LawLLM,该模型可以面向不同用户群体,提供多样的法律服务。同时,探究了针对法律领域裁判文书的长文本信息抽取的应用。LawLLM在Lawbench上的Zero-shot的平均表现超过了所有对比的大模型,均值比具有175×10^(9)个参数的GPT-3.5-Turbo高0.19%,LawLLM在Lawbench上的Few-shot的平均表现仅次于GPT-3.5-Turbo,相比其低0.02%。

关键词：大语言模型智慧法律自然语言处理

来源：评论

学校读者我要写书评

暂无评论

应用数据填充缓解稀疏问题实现个性化推荐

应用数据填充缓解稀疏问题实现个性化推荐

引用

第18届全国信息存储技术学术会议

作者： Xia Jian-xun 夏建勋 Wu Fei 吴非 Xie Chang-sheng 谢长生湖北工程学院计算机与信息科学学院湖北孝感 432000 School of Computer Science and Technology Huazhong University of Science and Technology Hubei Wuhan 430074 武汉国家光电实验室湖北武汉 430074 Key Laboratory of Data Storage Systems Ministry of Education of China Hubei Wuhan 430074 School of Computer Science and Technology Huazhong University of Science and Technology Hubei Wuhan 430074 信息存储系统教育部重点实验室湖北武汉 430074 华中科技大学计算机科学与技术学院湖北武汉 430074 Wuhan National Laboratory for Optoelectronics Hubei Wuhan 430074 School of Computer and Information Science Hubei Engineering University Hubei Xiaogan 432000

协同过滤是到目前为止最成功和应用最广泛的推荐技术，然而，由于用户-项目矩阵极端稀疏导致推荐不精确.针对该问题，本文提出了三种数据填充方法和两种推荐策略.对评分矩阵中未评分数据的三种数据填充方法是：(1)采用行和列数据的加权... 详细信息

协同过滤是到目前为止最成功和应用最广泛的推荐技术，然而，由于用户-项目矩阵极端稀疏导致推荐不精确.针对该问题，本文提出了三种数据填充方法和两种推荐策略.对评分矩阵中未评分数据的三种数据填充方法是：(1)采用行和列数据的加权平均值填充；(2)采用行和列数据的众数的平均值填充；(3)采用行和列数据的中位数的平均值填充.一种推荐策略是直接用填充数据作为预测评分进行推荐；另一种推荐策略是将填充数据后的评分矩阵作为伪评分矩阵应用Pearson相关相似性进行协同过滤推荐.采用GroupLens数据集进行的实验结果表明：上述几种推荐策略均可有效地缓解评分数据稀疏性问题，提高推荐精确度.从平均的预测精确度来看，直接采用三种填充数据作为预测评分进行推荐比传统的基于Pearson相关相似性的协同过滤推荐算法分别提高了3.76％、6.46％和7.63％.；而将填充数据后的评分矩阵作为伪评分矩阵应用Pearson相关相似性进行协同过滤推荐则比传统的基于Pearson相关相似性的协同过滤推荐算法分别提高了6.57％、6.52％和7.60％.

关键词：个性化推荐系统协同过滤数据填充推荐策略

来源：评论

学校读者我要写书评

暂无评论

《中国图象图形学报》图像/视频语义分割专栏简介

引用

中国图象图形学报 2024年第5期29卷 1117-1118页

作者：王井东桑农程明明张兆翔李玺高常鑫余昌黔陈秀妍百度北京100085 华中科技大学人工智能与自动化学院武汉430074 南开大学计算机学院天津300350 中国科学院自动化研究所北京100190 浙江大学计算机科学与技术学院杭州310013 昆仑万维北京100005 《中国图象图形学报》编辑部北京100190

语义分割是计算机视觉领域的基础问题,对分析和理解图像/视频场景数据有着重要的作用和意义,可广泛应用于安防监控、自动驾驶、工业质检、辅助医疗、遥感分析、图片视频编辑等实际应用。同时,图像/视频语义分割在智慧城市、智慧教育、... 详细信息

语义分割是计算机视觉领域的基础问题,对分析和理解图像/视频场景数据有着重要的作用和意义,可广泛应用于安防监控、自动驾驶、工业质检、辅助医疗、遥感分析、图片视频编辑等实际应用。同时,图像/视频语义分割在智慧城市、智慧教育、智慧医疗及智慧制造等领域起到关键作用,符合国家“四个面向”重大需求。2017年国务院印发的《新一代人工智能发展规划》一文中也提到要重点突破“复杂动态场景感知与理解”等技术。

关键词：计算机视觉视频编辑人工智能语义分割智慧制造安防监控智慧教育动态场景

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：