期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
联合COMET与条件变分自编码的共情对话
1
作者 李土超 《计算机应用与软件》 北大核心 2025年第8期374-381,共8页
在常见共情对话(Empathetic Dialogue)生成中,普遍存在的一个问题是,对话模型偏向于生成通用的回答,如“我不知道”等在语料中常见但是没有意义的回复,这种通用性的响应能回复任何的对话上文。为了缓解这个问题,在解码器中使用了条件变... 在常见共情对话(Empathetic Dialogue)生成中,普遍存在的一个问题是,对话模型偏向于生成通用的回答,如“我不知道”等在语料中常见但是没有意义的回复,这种通用性的响应能回复任何的对话上文。为了缓解这个问题,在解码器中使用了条件变分自编码框架,以期望生成的语句带有文本多样性;为了更好地理解说话者的情感和语义,在编码器的模块中,使用常识推理生成模块COMET与情感字典来增强对话中的语义信息和情感信息。于是,联合使用COMET的编码器与变分的解码器提出VT-CEM模型。在EmpatheticDialogues数据集上经过实验验证,相对于多个基线,VT-CEM模型可以产生更高的流畅度和更丰富的文本多样性。 展开更多
关键词 共情对话 常识推理 条件变分自编码
在线阅读 下载PDF
基于条件变分自编码的密码攻击算法 被引量:1
2
作者 段大高 赵振东 +1 位作者 梁少虎 韩忠明 《计算机应用研究》 CSCD 北大核心 2020年第3期821-823,837,共4页
使用密码猜测算法是评估用户密码强度和安全性的有效方法,提出一种基于条件变分自编码密码猜测算法PassCVAE。算法基于条件变分自编码模型,将用户个人信息作为条件特征,训练密码攻击模型。在编码器端,分别使用双向循环神经网络(GRU)和... 使用密码猜测算法是评估用户密码强度和安全性的有效方法,提出一种基于条件变分自编码密码猜测算法PassCVAE。算法基于条件变分自编码模型,将用户个人信息作为条件特征,训练密码攻击模型。在编码器端,分别使用双向循环神经网络(GRU)和文本卷积神经网络(TextCNN),实现对密码序列和用户个人信息的编码和特征的抽象提取;在解码器端使用两层GRU神经网络,实现对用户个人信息和密码数据隐编码的解码,生成密码序列。该算法可以有效地拟合密码数据的分布和字符组合规律,生成高质量的猜测密码数据。多组实验结果表明,提出的PassCVAE算法优于现有的主流密码猜测算法。 展开更多
关键词 条件变分自编码 密码猜测算法 密码攻击
在线阅读 下载PDF
基于变分注意力知识选择和预训练语言模型的对话生成
3
作者 张乃洲 曹薇 +1 位作者 张啸剑 李石君 《计算机研究与发展》 北大核心 2025年第8期1902-1917,共16页
基于知识的神经对话研究常常面临外部知识包含冗余甚至与对话主题不相关信息的问题,从而导致对话系统性能下降.知识选择成为解决该问题的重要途径,但现有研究对诸如知识选择器的设计、选择出的知识的利用以及知识选择对话方法适用的场... 基于知识的神经对话研究常常面临外部知识包含冗余甚至与对话主题不相关信息的问题,从而导致对话系统性能下降.知识选择成为解决该问题的重要途径,但现有研究对诸如知识选择器的设计、选择出的知识的利用以及知识选择对话方法适用的场景等问题,还缺乏深入研究.针对这些问题,提出了一个新的基于变分注意力知识选择和预训练模型的神经对话方法,使用一个基于条件变分自编码(conditional variational autoencoder,CVAE)和多层注意力机制的知识选择算法,自动选择出与当前对话最相关文本知识集合.该算法有效利用了训练数据中的对话回复来提高知识选择的效率.使用预训练语言模型Bart作为编码器-解码器架构,将选择的文本知识合并到Bart模型中,并在训练过程中对其进行微调.实验结果表明,与现有的一些代表性研究方法相比,提出的模型能生成多样性和连贯性更好、准确率更高的对话回复. 展开更多
关键词 基于知识的对话 知识选择 预训练语言模型 条件变分自编码 注意力机制 记忆网络
在线阅读 下载PDF
基于LCVAE-CNN的多任务室内Wi-Fi指纹定位方法
4
作者 吴仕勋 曾鑫睿 +3 位作者 徐凯 蓝章礼 张淼 金悦 《计算机应用研究》 北大核心 2025年第6期1844-1851,共8页
室内Wi-Fi接收信号强度指示(RSSI)指纹定位广泛应用于位置服务,但面临数据采集困难、环境动态变化的RSSI测量剧烈波动等挑战,难以实现高精度定位。为解决因数据稀缺和环境动态变化导致定位精度不佳问题,采用双编码器结构独立处理RSSI数... 室内Wi-Fi接收信号强度指示(RSSI)指纹定位广泛应用于位置服务,但面临数据采集困难、环境动态变化的RSSI测量剧烈波动等挑战,难以实现高精度定位。为解决因数据稀缺和环境动态变化导致定位精度不佳问题,采用双编码器结构独立处理RSSI数据和位置坐标数据,引入地理信息损失函数,构建了位置条件变分自编码器(LCVAE)模型,生成具有地理准确性的指纹数据,以此增强定位模型的性能。进一步设计了共享的卷积神经网络(CNN)模型特征提取层,整合分类与回归功能,提出一种基于LCVAE-CNN的多任务室内Wi-Fi指纹定位方法。实验结果表明,所提LCVAE-CNN方法在UJIIndoorLoc数据集的楼层分类准确率和平均定位误差(MPE)分别达到98.80%和6.79 m,在Tampere数据集上分别达到97.22%和5.44 m。与现有五种方法相比,楼层分类准确率最少提升1.9百分点,MPE最少提高19%。 展开更多
关键词 室内定位 位置条件变分自编码 卷积神经网络 数据增强
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部