期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
融合罪名分类的涉案新闻主题分析方法
1
作者
尹兆良
黄于欣
+2 位作者
余正涛
王冠文
艾传鲜
《计算机工程》
北大核心
2025年第4期208-216,共9页
介绍涉案新闻主题分析的应用场景以及现有方法的不足之处。针对这些不足,提出一种融合罪名分类的主题分析模型BERT-ECTM。该模型利用法律文书中的罪名信息作为监督信号,与涉案新闻文本相融合作为主题分析模型的输入,以提高涉案新闻主题...
介绍涉案新闻主题分析的应用场景以及现有方法的不足之处。针对这些不足,提出一种融合罪名分类的主题分析模型BERT-ECTM。该模型利用法律文书中的罪名信息作为监督信号,与涉案新闻文本相融合作为主题分析模型的输入,以提高涉案新闻主题信息的准确性和涉案偏好。为了捕捉上下文语义特征,采用基于BERT编码的嵌入式主题分析方法,以提高主题分析的准确性和效果。此外,在模型训练时,针对边际分布求解难度较大、复杂程度高这一问题,结合变分推断的方法,用后验分布的近似分布来拟合其分布结果。实验结果表明,在特定的涉案新闻主题分析任务中,该模型的有效性和准确性相比于现有方法均有明显提升。
展开更多
关键词
文本主题抽取
罪名分类
BERT-ECTM模型
涉案偏好
文本语义
语义特征编码
变分推断
在线阅读
下载PDF
职称材料
AE-EM:一种期望最大化Web入侵检测算法
2
作者
尹兆良
黄于欣
余正涛
《计算机工程与应用》
北大核心
2025年第3期315-325,共11页
现有的入侵检测算法集中在模式匹配、阈值分割法和多层感知机等机器学习和以神经网络深度学习方法上,在处理基于签名和异常的入侵时效果显著,但耗时费力。在面对Web入侵场景时,现有方法将检测模式重心放在网络流量分析(NTA)上,对URL携...
现有的入侵检测算法集中在模式匹配、阈值分割法和多层感知机等机器学习和以神经网络深度学习方法上,在处理基于签名和异常的入侵时效果显著,但耗时费力。在面对Web入侵场景时,现有方法将检测模式重心放在网络流量分析(NTA)上,对URL携带的负载信息和流量之间的关联语义信息提取不足,异常检测效果有待提升。提出一种无监督算法,名为注意力扩展期望最大化算法(attention expand expectation-maximization algorithm,AE-EM),该算法提取应用层URL中的攻击负载语义,采用Attention机制混合编码网络层流量结构化数据,训练融合多维特征和关联应用层语义的向量作为算法的输入,使用轻量化期望最大化算法估计高斯混合模型的参数,用于网络安全入侵检测的Web入侵检测场景。通过在基线数据集上使用常用的学习算法和消融实验比较,提出的AE-EM算法在Web入侵检测领域准确率和性能上优于传统算法。
展开更多
关键词
入侵检测
Web攻击检测
注意力机制
EM算法
AE-EM算法
在线阅读
下载PDF
职称材料
基于层级软提示交互融合的少样本事件方面类别检测方法
3
作者
艾传鲜
郭军军
尹兆良
《计算机工程》
北大核心
2025年第9期120-128,共9页
事件方面类别检测(ACD)旨在识别出给定事件文本中的方面类别,相关研究可以辅助获取不同领域和事件文本中的关键信息,特别是在社交媒体舆情研究中具有实用价值。在社交媒体舆情事件发展前期,事件文本标记数据稀缺,如何基于少量标记数据...
事件方面类别检测(ACD)旨在识别出给定事件文本中的方面类别,相关研究可以辅助获取不同领域和事件文本中的关键信息,特别是在社交媒体舆情研究中具有实用价值。在社交媒体舆情事件发展前期,事件文本标记数据稀缺,如何基于少量标记数据实现准确的事件方面检测是一个亟待解决的问题。提出一种基于预训练模型的多层级软提示交互融合少样本事件方面类别检测方法,基于预训练构建多层级的软提示模板,分别与预训练模型进行层级语义表征和交互融合,并自适应地融合多层级的提示表征,从而提升少样本事件方面类别检测的效果。在自构建中文社交媒体少样本数据集和英文数据集上进行实验,实验结果证明所提方法明显优于其他基线方法,此外,消融实验和可视化结果验证了所提多层级提示交互融合模块的有效性。
展开更多
关键词
少样本
提示学习
软提示
方面类别检测
多层级提示交互融合
在线阅读
下载PDF
职称材料
题名
融合罪名分类的涉案新闻主题分析方法
1
作者
尹兆良
黄于欣
余正涛
王冠文
艾传鲜
机构
昆明理工大学信息工程与自动化学院
昆明理工大学
云南
省人工智能重点实验室
国家计算机网络应急技术处理协调中心云南分中心
出处
《计算机工程》
北大核心
2025年第4期208-216,共9页
基金
国家自然科学基金(U21B2027,61972186,62266027,62266028)
云南省重大科技专项(202302AD080003,202202AD080003)
云南省基础研究项目(202301AT070393,202301AT070471)。
文摘
介绍涉案新闻主题分析的应用场景以及现有方法的不足之处。针对这些不足,提出一种融合罪名分类的主题分析模型BERT-ECTM。该模型利用法律文书中的罪名信息作为监督信号,与涉案新闻文本相融合作为主题分析模型的输入,以提高涉案新闻主题信息的准确性和涉案偏好。为了捕捉上下文语义特征,采用基于BERT编码的嵌入式主题分析方法,以提高主题分析的准确性和效果。此外,在模型训练时,针对边际分布求解难度较大、复杂程度高这一问题,结合变分推断的方法,用后验分布的近似分布来拟合其分布结果。实验结果表明,在特定的涉案新闻主题分析任务中,该模型的有效性和准确性相比于现有方法均有明显提升。
关键词
文本主题抽取
罪名分类
BERT-ECTM模型
涉案偏好
文本语义
语义特征编码
变分推断
Keywords
text topic extraction
crime classification
BERT-ECTM model
involved preferences
text semantics
semantic feature encoding
variegation inference
分类号
TP18 [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
AE-EM:一种期望最大化Web入侵检测算法
2
作者
尹兆良
黄于欣
余正涛
机构
昆明理工大学信息工程与自动化学院
云南
省人工智能重点实验室
国家
计算机
网络
与
应急
技术
处理
协调
中心
云南
分中心
出处
《计算机工程与应用》
北大核心
2025年第3期315-325,共11页
基金
国家自然科学基金(U21B2027)
云南省重大科技专项(202302AD080003,202202AD080003)。
文摘
现有的入侵检测算法集中在模式匹配、阈值分割法和多层感知机等机器学习和以神经网络深度学习方法上,在处理基于签名和异常的入侵时效果显著,但耗时费力。在面对Web入侵场景时,现有方法将检测模式重心放在网络流量分析(NTA)上,对URL携带的负载信息和流量之间的关联语义信息提取不足,异常检测效果有待提升。提出一种无监督算法,名为注意力扩展期望最大化算法(attention expand expectation-maximization algorithm,AE-EM),该算法提取应用层URL中的攻击负载语义,采用Attention机制混合编码网络层流量结构化数据,训练融合多维特征和关联应用层语义的向量作为算法的输入,使用轻量化期望最大化算法估计高斯混合模型的参数,用于网络安全入侵检测的Web入侵检测场景。通过在基线数据集上使用常用的学习算法和消融实验比较,提出的AE-EM算法在Web入侵检测领域准确率和性能上优于传统算法。
关键词
入侵检测
Web攻击检测
注意力机制
EM算法
AE-EM算法
Keywords
intrusion detection
Web attack detection
attention mechanism
expectation-maximization(EM)algorithm
attention expand expectation-maximization algorithm(AE-EM)
分类号
TP391 [自动化与计算机技术—计算机应用技术]
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
基于层级软提示交互融合的少样本事件方面类别检测方法
3
作者
艾传鲜
郭军军
尹兆良
机构
昆明理工大学信息工程与自动化学院
昆明理工大学
云南
省人工智能重点实验室
国家计算机网络应急技术处理协调中心云南分中心
出处
《计算机工程》
北大核心
2025年第9期120-128,共9页
基金
国家重点研发计划(202301AT070444)
国家自然科学基金(62366025)
云南省科技厅自然科学基金(202202AE090008-3)。
文摘
事件方面类别检测(ACD)旨在识别出给定事件文本中的方面类别,相关研究可以辅助获取不同领域和事件文本中的关键信息,特别是在社交媒体舆情研究中具有实用价值。在社交媒体舆情事件发展前期,事件文本标记数据稀缺,如何基于少量标记数据实现准确的事件方面检测是一个亟待解决的问题。提出一种基于预训练模型的多层级软提示交互融合少样本事件方面类别检测方法,基于预训练构建多层级的软提示模板,分别与预训练模型进行层级语义表征和交互融合,并自适应地融合多层级的提示表征,从而提升少样本事件方面类别检测的效果。在自构建中文社交媒体少样本数据集和英文数据集上进行实验,实验结果证明所提方法明显优于其他基线方法,此外,消融实验和可视化结果验证了所提多层级提示交互融合模块的有效性。
关键词
少样本
提示学习
软提示
方面类别检测
多层级提示交互融合
Keywords
few-shot
prompt learning
soft prompt
Aspect Category Detection(ACD)
multilayer prompt interaction fusion
分类号
TP18 [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
融合罪名分类的涉案新闻主题分析方法
尹兆良
黄于欣
余正涛
王冠文
艾传鲜
《计算机工程》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
AE-EM:一种期望最大化Web入侵检测算法
尹兆良
黄于欣
余正涛
《计算机工程与应用》
北大核心
2025
0
在线阅读
下载PDF
职称材料
3
基于层级软提示交互融合的少样本事件方面类别检测方法
艾传鲜
郭军军
尹兆良
《计算机工程》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
