检索结果-维普期刊中文期刊服务平台

基于文本和图像门控融合机制的多模态方面级情感分析: 1; 作者张添植周刚 +2 位作者刘洪波刘铄陈静《计算机科学》 CSCD 北大核心 2024年第9期242-249,共8页; 多模态方面级情感分析是多模态情感分析领域的一项新兴任务,旨在对给定的方面实体在文本和图像中所体现的情感进行识别。尽管多模态方面级情感分析研究近年来取得了突破性的进展,但是现有的模型在多模态特征融合阶段大都仅采用简单的拼... 展开更多; 关键词多模态方面级情感分析门控融合机制形容词-名词对图像辅助信息语义相关性; 在线阅读下载PDF 职称材料

多域时空层次图神经网络的空气质量预测被引量：3: 2; 作者马汉达吴亚东《计算机应用》北大核心 2025年第2期444-452,共9页; 在协同融合气象、空间和时间三大信息的时空混合模型中,时间变化建模通常在一维空间中完成。针对一维序列局限于滑动窗口和缺乏对多尺度特征的灵活提取的问题,提出一种多域时空层次图神经网络(MST-HGNN)模型。首先,构建城市全局尺度和... 展开更多; 关键词空气质量预测多域特征融合时空特征周期解耦门控机制融合图神经网络; 在线阅读下载PDF 职称材料

基于跨会话项目图的长短期兴趣推荐方法: 3; 作者李雪周军 +1 位作者曲晨曦张大俊《计算机工程与设计》北大核心 2025年第8期2193-2199,共7页; 针对现有会话推荐方法主要关注用户当前会话内的短期兴趣,忽略了丰富的跨会话信息及长期兴趣信息的问题,提出了一种基于跨会话项目图的长短期兴趣推荐方法,该方法由构建跨会话项目图模块、长短期兴趣提取模块、长短期兴趣融合模块及预... 展开更多; 关键词会话推荐跨会话长短期兴趣图神经网络多头注意力机制门控融合机制动态兴趣; 在线阅读下载PDF 职称材料

基于对比学习的视觉增强多模态命名实体识别被引量：1: 4; 作者于碧辉谭淑月 +3 位作者魏靖烜孙林壮卜立平赵艺曼《计算机科学》 CSCD 北大核心 2024年第6期198-205,共8页; 多模态命名实体识别(MNER)的目的是在给定的图像-文本对中检测实体范围并将其分类为相应的实体类型。尽管现存的MNER方法取得了成功,但它们都集中在使用图像编码器提取视觉特征后,不做增强或过滤处理,直接送入跨模态交互机制。此外,由... 展开更多; 关键词多模态命名实体识别 CLIP 多模态对比学习特征金字塔 TRANSFORMER 门控融合机制; 在线阅读下载PDF 职称材料

基于周期图卷积与多头注意力GRU组合的交通流量预测模型被引量：4: 5; 作者钟林岚张安勤田秀霞《计算机应用研究》 CSCD 北大核心 2024年第4期1041-1046,共6页; 为了捕获交通流量数据中复杂的时空动态变化关系以及周期性变化的特征,同时避免道路突发情况引起的误差累计效应,提出一种基于周期图卷积(periodic graph convolution network,PGCN)与多头注意力门控循环单元(multi-head attention gate... 展开更多; 关键词交通流量预测图卷积网络多头注意力机制门控循环单元门控融合机制时空融合; 在线阅读下载PDF 职称材料

一种用于方面级情感分析的关系注意力图卷积网络被引量：3: 6; 作者刘漳辉杨耀东陈羽中《小型微型计算机系统》 CSCD 北大核心 2023年第4期752-758,共7页; 方面级情感分析是情感分析的子任务,旨在判断评论目标的具体方面所对应的情感极性.近年来,深度神经网络模型在方面级情感分析问题上取得了较大进展.然而,现有的方面级情感分析模型仍存在方面信息丢失、没有充分利用句法依存关系等问题.... 展开更多; 关键词方面级情感分析图卷积网络关系注意力门控融合机制; 在线阅读下载PDF 职称材料

基于多时间尺度时空图网络的交通流量预测模型被引量：13: 7; 作者汪鸣彭舰黄飞虎《计算机科学》 CSCD 北大核心 2022年第8期40-48,共9页; 交通流预测在智能交通系统的建设中起着关键作用。但由于其复杂的时空依赖性和本身的不确定性使得研究变得极具挑战性。现有的一些方法主要是将单一的时间序列输入到循环神经网络以捕获时间依赖性,而且多数模型仅对时间模块和空间模块... 展开更多; 关键词交通流预测图卷积网络注意力机制 TRANSFORMER 门控融合机制; 在线阅读下载PDF 职称材料

题名基于文本和图像门控融合机制的多模态方面级情感分析: 1; 作者张添植周刚刘洪波刘铄陈静; 机构战略支援部队信息工程大学数学工程与先进计算国家重点实验室; 出处《计算机科学》 CSCD 北大核心 2024年第9期242-249,共8页; 基金河南省科技攻关项目(222102210081)。; 文摘多模态方面级情感分析是多模态情感分析领域的一项新兴任务,旨在对给定的方面实体在文本和图像中所体现的情感进行识别。尽管多模态方面级情感分析研究近年来取得了突破性的进展,但是现有的模型在多模态特征融合阶段大都仅采用简单的拼接方法,而没有考虑图像中是否存在与文本语义不相关的信息,这在一定程度上可能会为模型引入额外的噪声。为了解决上述问题,提出了一种基于文本和图像门控融合机制的多模态方面级情感分析模型(TIGFM)。该模型在文本和图像进行交互的同时引入了从数据集图像中提取的形容词-名词对(ANPs),并将其中形容词的加权作为图像辅助信息;此外,在特征融合阶段,通过构建一种动态控制图像和图像辅助信息输入的门控机制实现多模态特征融合。实验结果表明,TIGFM模型在两个基于Twitter的数据集上取得了具有竞争力的结果,进而验证了所提方法的有效性。; 关键词多模态方面级情感分析门控融合机制形容词-名词对图像辅助信息语义相关性; Keywords Multimodal aspect-based sentiment analysis Gated fusion mechanism Adjective-noun pairs Image auxiliary information Semantic relevance; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名多域时空层次图神经网络的空气质量预测被引量：3: 2; 作者马汉达吴亚东; 机构江苏大学计算机科学与通信工程学院; 出处《计算机应用》北大核心 2025年第2期444-452,共9页; 基金镇江市重点研发计划项目(GY2023034)。; 文摘在协同融合气象、空间和时间三大信息的时空混合模型中,时间变化建模通常在一维空间中完成。针对一维序列局限于滑动窗口和缺乏对多尺度特征的灵活提取的问题,提出一种多域时空层次图神经网络(MST-HGNN)模型。首先,构建城市全局尺度和站点局部尺度的两级层次图,从而进行空间关系学习;其次,将一维空气质量序列转换为一组基于多个周期的二维张量,并在二维空间上通过多尺度卷积进行周期解耦以捕获频域特征;同时,在一维空间中利用长短期记忆(LSTM)网络拟合时域特征;最后,为避免聚合冗余信息,设计一种门控机制融合模块用于频域和时域特征的多域特征融合。在Urban-Air数据集和长三角城市群数据集上的实验结果表明,相较于多视图多任务时空图卷积网络模型(M2),所提模型在预测第1 h、3 h、6 h、12 h空气质量的平均绝对误差(MAE)和均方根误差(RMSE)均低于对比模型。可见,MST-HGNN能在频域上解耦复杂时间模式,利用频域信息弥补时域特征建模的局限性,并结合时域信息更全面地预测空气质量变化。; 关键词空气质量预测多域特征融合时空特征周期解耦门控机制融合图神经网络; Keywords air quality prediction multi-domain feature fusion spatiotemporal feature periodic decoupling gating mechanism fusion Graph Neural Network(GNN); 分类号 TP391.1 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于跨会话项目图的长短期兴趣推荐方法: 3; 作者李雪周军曲晨曦张大俊; 机构辽宁工业大学电子与信息工程学院; 出处《计算机工程与设计》北大核心 2025年第8期2193-2199,共7页; 基金国家自然科学基金项目(12371363) 辽宁省教育厅基金项目(JYTMS20230869)。; 文摘针对现有会话推荐方法主要关注用户当前会话内的短期兴趣,忽略了丰富的跨会话信息及长期兴趣信息的问题,提出了一种基于跨会话项目图的长短期兴趣推荐方法,该方法由构建跨会话项目图模块、长短期兴趣提取模块、长短期兴趣融合模块及预测模块4部分组成。该方法通过构建跨会话项目图,探索复杂的跨会话效应,采用图神经网络及多头注意力机制划分用户的长短期兴趣信息,解决偶然兴趣影响,采用门控融合机制将长短期兴趣融合为动态兴趣,预测层得到该节点的概率评分,并预测下一个点击的项目。实验在Diginetica、Yoochoose数据集上结果表明,相较于最优算法各项指标均有所提升,验证算法的有效性。; 关键词会话推荐跨会话长短期兴趣图神经网络多头注意力机制门控融合机制动态兴趣; Keywords session-based recommendation cross-session long and short-term interests graph neural network multi-head attention mechanism gated fusion mechanism dynamic interest; 分类号 TP391.3 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于对比学习的视觉增强多模态命名实体识别被引量：1: 4; 作者于碧辉谭淑月魏靖烜孙林壮卜立平赵艺曼; 机构中国科学院大学中国科学院沈阳计算技术研究所; 出处《计算机科学》 CSCD 北大核心 2024年第6期198-205,共8页; 基金辽宁省应用基础研究计划项目(2022JH2/101300258)。; 文摘多模态命名实体识别(MNER)的目的是在给定的图像-文本对中检测实体范围并将其分类为相应的实体类型。尽管现存的MNER方法取得了成功,但它们都集中在使用图像编码器提取视觉特征后,不做增强或过滤处理,直接送入跨模态交互机制。此外,由于文本和图像的表示来自不同的编码器,很难弥合两种模态之间的语义鸿沟,因此,提出了一个基于对比学习的视觉增强多模态命名实体识别模型(MCLAug)。首先,使用ResNet收集图像特征,在此基础上提出金字塔双向融合策略,将低层次高分辨率和高层次强语义的图像信息结合起来,以增强视觉特征。其次,利用CLIP模型中的多模态对比学习思想,计算并最小化对比损失,使两种模态的表示更加一致。最后,利用跨模态注意力机制和门控融合机制获得融合后的图像和文本表示,并通过CRF解码器来执行MNER任务。在两个公开数据集上进行了对比实验并进行消融研究和案例研究,结果证明了所提模型的有效性。; 关键词多模态命名实体识别 CLIP 多模态对比学习特征金字塔 TRANSFORMER 门控融合机制; Keywords Multimodal named entity recognition CLIP Multimodal contrastive learning Feature pyramid Transformer Gated fusion mechanism; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于周期图卷积与多头注意力GRU组合的交通流量预测模型被引量：4: 5; 作者钟林岚张安勤田秀霞; 机构上海电力大学计算机科学与技术学院汕头大学地方政府发展研究所; 出处《计算机应用研究》 CSCD 北大核心 2024年第4期1041-1046,共6页; 基金广东省人文社会科学重点研究基地-汕头大学地方政府发展研究所开放基金课题(07422002)。; 文摘为了捕获交通流量数据中复杂的时空动态变化关系以及周期性变化的特征,同时避免道路突发情况引起的误差累计效应,提出一种基于周期图卷积(periodic graph convolution network,PGCN)与多头注意力门控循环单元(multi-head attention gated recurrent unit,MAGRU)组合的交通流量预测模型。首先,模型的时空数据融合模块利用交通流量的周期相似性构建周期图,同时将空间和时间编码信息添加至交通流量序列数据;然后在时空特征提取模块中,GCN子模块捕获周期特征图中的空间特征,MAGRU子模块捕获序列数据中的时间特征;最后通过门控融合机制将两者提取的时空特征进行融合。模型在两个真实的交通流量数据集上进行了实验。结果表明,该模型相较于多个最新基准模型,在MAE、RMSE、MAPE三个预测误差指标上平均降低了5.4%、22.8%、10.3%,R2精确度指标平均提高了11.6%。说明模型在预测精度方面有显著的改进,并能有效减少误差累积效应。; 关键词交通流量预测图卷积网络多头注意力机制门控循环单元门控融合机制时空融合; Keywords traffic flow prediction graph convolutional network(GCN) multi-head attention mechanism gated recurrent unit(GRU) gated fusion mechanism spatial-temporal fusion; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名一种用于方面级情感分析的关系注意力图卷积网络被引量：3: 6; 作者刘漳辉杨耀东陈羽中; 机构福州大学计算机与大数据学院福建省网络计算与智能信息处理重点实验室; 出处《小型微型计算机系统》 CSCD 北大核心 2023年第4期752-758,共7页; 基金国家自然科学基金项目(61672158)资助福建省高校产学合作项目(2018H6010)资助福建省自然科学基金面上项目(2020J001494)资助。; 文摘方面级情感分析是情感分析的子任务,旨在判断评论目标的具体方面所对应的情感极性.近年来,深度神经网络模型在方面级情感分析问题上取得了较大进展.然而,现有的方面级情感分析模型仍存在方面信息丢失、没有充分利用句法依存关系等问题.本文提出了一种基于关系注意力机制的图卷积网络RAGCN(Relational Attention based Graph Convolutional Network).首先,RAGCN通过两个双向长短期记忆网络分别对句子和增强后的方面建模,以引导图卷积网络对向量表示进行更新.其次,为了区分上下文单词对给定方面情感的贡献,提出了一种关系注意力机制.该机制能充分利用评论节点间的边类型,结合双向长短期记忆网络的输出以捕获方面和上下文单词之间的关系.此外,为进一步提高模型的鲁棒性,RAGCN采用门控融合机制来过滤关系注意力层和图卷积网络层的输出,从而获取多更准确的句子表征向量.多个方面级情感分析数据集上的实验结果表明,RAGCN模型在准确度,Macro-F1方面均优于对比模型.; 关键词方面级情感分析图卷积网络关系注意力门控融合机制; Keywords aspect-level sentiment analysis graph convolutional network relational attention mechanism gated fusion mechanism; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于多时间尺度时空图网络的交通流量预测模型被引量：13: 7; 作者汪鸣彭舰黄飞虎; 机构四川大学计算机学院; 出处《计算机科学》 CSCD 北大核心 2022年第8期40-48,共9页; 基金国家重点研发计划(2020YFB0704502) 四川省重点研发计划(2020YFG0089,2020YFG0308,2020YFG0304,22ZDYF3599)。; 文摘交通流预测在智能交通系统的建设中起着关键作用。但由于其复杂的时空依赖性和本身的不确定性使得研究变得极具挑战性。现有的一些方法主要是将单一的时间序列输入到循环神经网络以捕获时间依赖性,而且多数模型仅对时间模块和空间模块进行简单的堆叠,导致不能有效地融合时间和空间特征。为了解决以上问题,文中提出了一个多时间尺度时空图网络模型。模型先将序列数据划分为3种时间尺度序列,然后将序列输入到时空块(ST-Block)中提取数据的时空依赖性,最后进行预测。在时空块中使用图卷积网络和变体Transformer分别捕获数据中的时间和空间依赖性,并通过门控融合机制将两者提取到的特征进行融合。在两个真实的数据集上分别进行了短期和长期的预测实验,结果表明了MTSTGNN模型在交通流预测任务上的优秀性能。; 关键词交通流预测图卷积网络注意力机制 TRANSFORMER 门控融合机制; Keywords Traffic flow prediction Graph convolutional network Attention mechanism Transformer Gate mechanism; 分类号 TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于文本和图像门控融合机制的多模态方面级情感分析	张添植周刚刘洪波刘铄陈静	《计算机科学》 CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
2	多域时空层次图神经网络的空气质量预测	马汉达吴亚东	《计算机应用》北大核心	2025	3	在线阅读下载PDF 职称材料
3	基于跨会话项目图的长短期兴趣推荐方法	李雪周军曲晨曦张大俊	《计算机工程与设计》北大核心	2025	0	在线阅读下载PDF 职称材料
4	基于对比学习的视觉增强多模态命名实体识别	于碧辉谭淑月魏靖烜孙林壮卜立平赵艺曼	《计算机科学》 CSCD 北大核心	2024	1	在线阅读下载PDF 职称材料
5	基于周期图卷积与多头注意力GRU组合的交通流量预测模型	钟林岚张安勤田秀霞	《计算机应用研究》 CSCD 北大核心	2024	4	在线阅读下载PDF 职称材料
6	一种用于方面级情感分析的关系注意力图卷积网络	刘漳辉杨耀东陈羽中	《小型微型计算机系统》 CSCD 北大核心	2023	3	在线阅读下载PDF 职称材料
7	基于多时间尺度时空图网络的交通流量预测模型	汪鸣彭舰黄飞虎	《计算机科学》 CSCD 北大核心	2022	13	在线阅读下载PDF 职称材料