期刊文献+
共找到8篇文章
< 1 >
每页显示 20 50 100
基于双向编码表示转换的双模态软件分类模型
1
作者 付晓峰 陈威岐 +1 位作者 孙曜 潘宇泽 《浙江大学学报(工学版)》 EI CAS CSCD 北大核心 2024年第11期2239-2246,共8页
针对已有方法在软件分类方面只考虑单一分类因素和精确率较低的不足,提出基于双向编码表示转换(BERT)的双模态软件分类方法.该方法遵循最新的国家标准对软件进行分类,通过集成基于代码的BERT(CodeBERT)和基于掩码语言模型的纠错BERT(Mac... 针对已有方法在软件分类方面只考虑单一分类因素和精确率较低的不足,提出基于双向编码表示转换(BERT)的双模态软件分类方法.该方法遵循最新的国家标准对软件进行分类,通过集成基于代码的BERT(CodeBERT)和基于掩码语言模型的纠错BERT(MacBERT)双向编码的优势,其中CodeBERT用于深入分析源码内容,MacBERT处理文本描述信息如注释和文档,利用这2种双模态信息联合生成词嵌入.结合卷积神经网络(CNN)提取局部特征,通过提出的交叉自注意力机制(CSAM)融合模型结果,实现对复杂软件系统的准确分类.实验结果表明,本文方法在同时考虑文本和源码数据的情况下精确率高达93.3%,与从奥集能和gitee平台收集并处理的数据集上训练的BERT模型和CodeBERT模型相比,平均精确率提高了5.4%.这表明了双向编码和双模态分类方法在软件分类中的高效性和准确性,证明了提出方法的实用性. 展开更多
关键词 软件分类 双向编码表示转换(BERT) 卷积神经网络 双模态 交叉自注意力机制
在线阅读 下载PDF
基于集合运算的特征表示向边界表示转换新方法
2
作者 魏洪钦 吴维勇 王小椿 《工程图学学报》 CSCD 2000年第3期41-47,共7页
特征建模已成为CAD技术的发展趋势。目前,在CAD系统中,一般采用特征表示和边界表示的混合表示方法,以充分利用两种表示法的优点。但由此而引出在特征编辑、修改时的表示转换。本文回顾了几种表示转换方法,在集合运算的基础上,提出... 特征建模已成为CAD技术的发展趋势。目前,在CAD系统中,一般采用特征表示和边界表示的混合表示方法,以充分利用两种表示法的优点。但由此而引出在特征编辑、修改时的表示转换。本文回顾了几种表示转换方法,在集合运算的基础上,提出了一种适合于特征编辑修改的形体快速重构方法,从而可快速地实现特征表示向边界表示的转换。 展开更多
关键词 边界表示 构造实体几何 表示转换 集合运算 特征表示 CAD
在线阅读 下载PDF
知识增强的BERT短文本分类算法 被引量:3
3
作者 傅薛林 金红 +2 位作者 郑玮浩 张奕 陶小梅 《计算机工程与设计》 北大核心 2024年第7期2027-2033,共7页
为解决短文本信息不全且缺乏领域知识导致关键信息难以充分挖掘而造成的深度学习模型分类性能不足等问题,提出一种知识增强的双向编码器表示转换器(BERT)短文本分类算法(KE-BERT)。提出一种建模短文本与领域知识的方法,通过知识图谱进... 为解决短文本信息不全且缺乏领域知识导致关键信息难以充分挖掘而造成的深度学习模型分类性能不足等问题,提出一种知识增强的双向编码器表示转换器(BERT)短文本分类算法(KE-BERT)。提出一种建模短文本与领域知识的方法,通过知识图谱进行领域知识的引入;提出一种知识适配器,通过知识适配器在BERT的各个编码层之间进行知识增强。通过在公开的短文本数据集上,将KE-BERT与其它深度学习模型相比较,该模型的F1均值和准确率均值达到93.46%和91.26%,结果表明了所提模型性能表现良好。 展开更多
关键词 短文本分类 深度学习 双向编码器表示转换 知识图谱 领域知识 知识适配器 知识增强
在线阅读 下载PDF
云边协同联邦计算方法在铁路信号系统故障检测中的应用
4
作者 王延峰 谢泽会 《信息安全研究》 CSCD 北大核心 2024年第8期753-759,共7页
铁路信号系统是当下社会交通运力的主要承载系统,其对安全性有极高的要求.而由于铁路信号系统容易受到外界多种因素影响,易出现故障,需要设计一种针对铁路信号系统的实时故障检测方案,进而才能采取有效的维护措施.不同于传统的机器学习(... 铁路信号系统是当下社会交通运力的主要承载系统,其对安全性有极高的要求.而由于铁路信号系统容易受到外界多种因素影响,易出现故障,需要设计一种针对铁路信号系统的实时故障检测方案,进而才能采取有效的维护措施.不同于传统的机器学习(ML)故障检测方法,采用双向编码器表示转换器(BERT)深度学习(DL)模型进行实时的智能故障检测.该模型能够在处理故障检测任务时获取双向上下文的理解,从而更准确地捕捉句子中的语义关系,使得其对故障描述的理解更为精准.采用了云边协同的联邦计算方法,使得各铁路运营单位的数据可以在本地进行初步处理,然后将汇总后的梯度上传至云端进行模型训练,最终将训练得到的模型参数发送回各边缘设备,实现模型的更新,突破了模型的训练数据分散的限制,同时允许多个铁路运营单位在保持数据隐私的前提下共同训练BERT模型.研究结果表明,采用联邦边云计算方法进行BERT模型训练,在解决数据保密性问题的同时,有效提升了轨道交通故障检测的准确性与可靠性,优于目前在铁路信号系统领域已有的故障检测方案. 展开更多
关键词 铁路信号系统 故障检测 云边协同计算 联邦学习 双向编码表示转换
在线阅读 下载PDF
图形化本体建模工具GOM的设计与实现
5
作者 王旭岩 鲁宁 +2 位作者 范任宏 纪祥 刘磊 《吉林大学学报(理学版)》 CAS CSCD 北大核心 2008年第5期903-910,共8页
将本体表示语言OWL Lite中相关词条图形化,以图形化结构表示本体模型,设计并实现了一种图形化本体建模工具GOM.GOM以图形化结构表示本体,能够把图形化结构的本体模型转换成OWL Lite语言表示形式;也可读取OWL Lite表示的本体,生成本体模... 将本体表示语言OWL Lite中相关词条图形化,以图形化结构表示本体模型,设计并实现了一种图形化本体建模工具GOM.GOM以图形化结构表示本体,能够把图形化结构的本体模型转换成OWL Lite语言表示形式;也可读取OWL Lite表示的本体,生成本体模型的图形化结构.GOM实现了图形化结构的本体模型和OWL Lite表示的本体模型间的相互转换,提高了本体模型的可读性,降低了本体建模的工作强度. 展开更多
关键词 本体建模 图形化本体 图形编辑 表示转换
在线阅读 下载PDF
Windows Phone数据访问技术研究 被引量:5
6
作者 刘黎志 陈传波 《计算机工程与科学》 CSCD 北大核心 2014年第9期1829-1834,共6页
在移动互联网时代,必须有效解决智能终端设备如何访问关系数据库中的数据问题。Windows Phone给出的解决方案是,首先利用对象关系映射技术为关系数据库建立实体对象模型;然后使用REST风格的WCF数据服务封装实体对象上下文,Windows Azur... 在移动互联网时代,必须有效解决智能终端设备如何访问关系数据库中的数据问题。Windows Phone给出的解决方案是,首先利用对象关系映射技术为关系数据库建立实体对象模型;然后使用REST风格的WCF数据服务封装实体对象上下文,Windows Azure可作为发布该服务的载体;最后遵循开放式数据协议的规范查询及操作数据。对相关技术进行了较深入的研究,并使用MVVM模式给出了一个具体的实例,论证了该方案的可行性。由于智能终端可以通过开放数据协议访问和操作部署在Windows Azure中的WCF数据服务,结果以XML的形式返回,从而使得Windows Phone数据访问的模式可以扩展到使用其它操作系统的智能终端平台,如Android、IOS等。 展开更多
关键词 WINDOWS PHONE WCF数据服务 表示状态转换 开放数据协议 MVVM模式
在线阅读 下载PDF
裁剪面的一类参数变换
7
作者 杨胜 雍俊海 《工程图学学报》 CSCD 北大核心 2010年第3期57-61,共5页
给出了一类可以保持几何与拓扑信息一致性的裁剪面的参数变换定理及其算法。首先,确定了参数变换对裁剪面表示信息的影响。然后,根据参数变换后几何与拓扑信息的一致性要求,给出了对裁剪面表示信息进行调整的方法。最后,通过建立参数变... 给出了一类可以保持几何与拓扑信息一致性的裁剪面的参数变换定理及其算法。首先,确定了参数变换对裁剪面表示信息的影响。然后,根据参数变换后几何与拓扑信息的一致性要求,给出了对裁剪面表示信息进行调整的方法。最后,通过建立参数变换的关系,以裁剪球面为例阐述了这类参数变换的具体实现方法。 展开更多
关键词 计算机应用 裁剪面 重新参数化 曲面表示转换
在线阅读 下载PDF
基于BERT的水稻表型知识图谱实体关系抽取研究 被引量:22
8
作者 袁培森 李润隆 +1 位作者 王翀 徐焕良 《农业机械学报》 EI CAS CSCD 北大核心 2021年第5期151-158,共8页
针对水稻表型知识图谱中的实体关系抽取问题,根据植物本体论提出了一种对水稻的基因、环境、表型等表型组学实体进行关系分类的方法。首先,获取水稻表型组学数据,并进行标注和分类;随后,提取关系数据集中的词向量、位置向量及句子向量,... 针对水稻表型知识图谱中的实体关系抽取问题,根据植物本体论提出了一种对水稻的基因、环境、表型等表型组学实体进行关系分类的方法。首先,获取水稻表型组学数据,并进行标注和分类;随后,提取关系数据集中的词向量、位置向量及句子向量,基于双向转换编码表示模型(BERT)构建水稻表型组学关系抽取模型;最后,将BERT模型与卷积神经网络模型、分段卷积网络模型进行结果比较。结果表明,在3种关系抽取模型中,BERT模型表现更佳,精度达95.11%、F1值为95.85%。 展开更多
关键词 水稻表型 知识图谱 关系抽取 双向转换编码表示模型
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部