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
基于会话的多粒度图神经网络推荐模型
被引量：
14
1
作者
任俊伟
曾诚
+2 位作者
肖丝雨
乔金霞
何鹏
《计算机应用》
CSCD
北大核心
2021年第11期3164-3170,共7页
基于会话的推荐旨在根据当前用户的匿名会话的点击序列信息来预测用户的下一次点击行为。现有方法多数都是通过对用户会话点击序列的物品信息进行建模,并学习物品的向量表示,进而进行推荐。而作为一种粗粒度的信息,物品的类别信息对物...
基于会话的推荐旨在根据当前用户的匿名会话的点击序列信息来预测用户的下一次点击行为。现有方法多数都是通过对用户会话点击序列的物品信息进行建模,并学习物品的向量表示,进而进行推荐。而作为一种粗粒度的信息,物品的类别信息对物品有聚合作用,可作为物品信息的重要补充。基于此,提出了基于会话的多粒度图神经网络推荐模型(SRMGNN)。首先,使用图神经网络(GNN)得到会话序列中的物品和物品类别的嵌入向量表示,并使用注意力网络捕捉用户的注意力信息;然后,将赋予了不同注意力权重值的物品和物品类别信息进行融合后,输入到门限循环单元(GRU)里;最后,通过GRU学习会话序列的物品时序信息,并给出推荐列表。在公开的Yoochoose数据集和Diginetica数据集上进行实验,实验结果验证了该模型在增加了物品类别信息后的优势,且实验结果表明了在Precision@20和MRR@20这2种评价指标上,该模型相较于短期注意力/记忆优先级(STAMP)模型、神经注意力(NARM)模型、GRU4REC等8种模型均有更好的效果。
展开更多
关键词
基于会话的推荐
多粒度
推荐模型
图神经网络
点击序列
在线阅读
下载PDF
职称材料
结合广义自回归预训练语言模型与循环卷积神经网络的文本情感分析方法
被引量：
10
2
作者
潘列
曾诚
+3 位作者
张海丰
温超东
郝儒松
何鹏
《计算机应用》
CSCD
北大核心
2022年第4期1108-1115,共8页
传统的机器学习方法在对网络评论文本进行情感极性分类时,未能充分挖掘语义信息和关联信息,而已有的深度学习方法虽能提取语义信息和上下文信息,但该过程往往是单向的,在获取评论文本的深层语义信息过程中存在不足。针对以上问题,提出...
传统的机器学习方法在对网络评论文本进行情感极性分类时,未能充分挖掘语义信息和关联信息,而已有的深度学习方法虽能提取语义信息和上下文信息,但该过程往往是单向的,在获取评论文本的深层语义信息过程中存在不足。针对以上问题,提出了一种结合广义自回归预训练语言模型(XLNet)与循环卷积神经网络(RCNN)的文本情感分析方法。首先,利用XLNet对文本进行特征表示,并通过引入片段级递归机制和相对位置信息编码,充分利用了评论文本的语境信息,从而有效提升了文本特征的表达能力;然后,利用RCNN对文本特征进行双向训练,并在更深层次上提取文本的上下文语义信息,从而提升了在情感分析任务中的综合性能。所提方法分别在三个公开数据集weibo-100k、waimai-10k和ChnSentiCorp上进行了实验,准确率分别达到了96.4%、91.8%和92.9%。实验结果证明了所提方法在情感分析任务中的有效性。
展开更多
关键词
评论文本
情感分析
XLNet
片段级递归机制
循环卷积神经网络
在线阅读
下载PDF
职称材料
基于混合注意力模型的阴影检测方法
被引量：
3
3
作者
谭道强
曾诚
+1 位作者
乔金霞
张俊
《计算机应用》
CSCD
北大核心
2021年第7期2076-2081,共6页
图像中阴影区域的存在会导致图像内容的不确定性,不利于其他计算机视觉任务,因此常将阴影检测作为计算机视觉算法的预处理过程。然而,现有的阴影检测算法大多采用多级网络结构,导致模型训练困难,虽然已经提出了一些采用单级网络结构的算...
图像中阴影区域的存在会导致图像内容的不确定性,不利于其他计算机视觉任务,因此常将阴影检测作为计算机视觉算法的预处理过程。然而,现有的阴影检测算法大多采用多级网络结构,导致模型训练困难,虽然已经提出了一些采用单级网络结构的算法,但它们只关注了局部的阴影,忽略了阴影之间的联系。针对该问题,为提升阴影检测的准确率和鲁棒性,提出了基于混合注意力模型的阴影检测方法。首先将预训练后的深层网络ResNext101作为前端特征提取网络,提取图像的基本特征;其次采用双向金字塔结构由浅入深、由深到浅的方式进行特征融合,并提出信息补偿机制减少深层语义信息丢失;然后结合空间注意力和通道注意力提出混合注意力模型进行特征融合,捕捉阴影区域和非阴影区域的差异;最后融合两个方向的预测结果从而得到最终的阴影检测结果。在公开数据集SBU、UCF上对所提方法进行可行性对比实验,结果表明,相较于DSC算法,所提方法的平衡误差率(BER)分别降低了30%和11%,说明它能够较好地抑制阴影错误检测并增强阴影细节。
展开更多
关键词
阴影检测
卷积神经网络
空间注意力
通道注意力
信息补偿机制
双向金字塔结构
在线阅读
下载PDF
职称材料
题名
基于会话的多粒度图神经网络推荐模型
被引量：
14
1
作者
任俊伟
曾诚
肖丝雨
乔金霞
何鹏
机构
湖北大学
计算机与信息
工程
学院
湖北省
软件
工程
工程技术
研究
中心
(
湖北大学
)
智慧政务与人工智能应用
湖北省
工程
研究
中心
(
湖北大学
)
出处
《计算机应用》
CSCD
北大核心
2021年第11期3164-3170,共7页
基金
国家自然科学基金面上项目(61977021)。
文摘
基于会话的推荐旨在根据当前用户的匿名会话的点击序列信息来预测用户的下一次点击行为。现有方法多数都是通过对用户会话点击序列的物品信息进行建模,并学习物品的向量表示,进而进行推荐。而作为一种粗粒度的信息,物品的类别信息对物品有聚合作用,可作为物品信息的重要补充。基于此,提出了基于会话的多粒度图神经网络推荐模型(SRMGNN)。首先,使用图神经网络(GNN)得到会话序列中的物品和物品类别的嵌入向量表示,并使用注意力网络捕捉用户的注意力信息;然后,将赋予了不同注意力权重值的物品和物品类别信息进行融合后,输入到门限循环单元(GRU)里;最后,通过GRU学习会话序列的物品时序信息,并给出推荐列表。在公开的Yoochoose数据集和Diginetica数据集上进行实验,实验结果验证了该模型在增加了物品类别信息后的优势,且实验结果表明了在Precision@20和MRR@20这2种评价指标上,该模型相较于短期注意力/记忆优先级(STAMP)模型、神经注意力(NARM)模型、GRU4REC等8种模型均有更好的效果。
关键词
基于会话的推荐
多粒度
推荐模型
图神经网络
点击序列
Keywords
session-based recommendation
multi-granular
recommendation model
Graph Neural Network(GNN)
click sequence
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
结合广义自回归预训练语言模型与循环卷积神经网络的文本情感分析方法
被引量：
10
2
作者
潘列
曾诚
张海丰
温超东
郝儒松
何鹏
机构
湖北大学
计算机与信息
工程
学院
湖北省
软件
工程
工程技术
研究
中心
(
湖北大学
)
智慧政务与人工智能应用
湖北省
工程
研究
中心
(
湖北大学
)
出处
《计算机应用》
CSCD
北大核心
2022年第4期1108-1115,共8页
基金
国家自然科学基金资助项目(61977021,61902114)。
文摘
传统的机器学习方法在对网络评论文本进行情感极性分类时,未能充分挖掘语义信息和关联信息,而已有的深度学习方法虽能提取语义信息和上下文信息,但该过程往往是单向的,在获取评论文本的深层语义信息过程中存在不足。针对以上问题,提出了一种结合广义自回归预训练语言模型(XLNet)与循环卷积神经网络(RCNN)的文本情感分析方法。首先,利用XLNet对文本进行特征表示,并通过引入片段级递归机制和相对位置信息编码,充分利用了评论文本的语境信息,从而有效提升了文本特征的表达能力;然后,利用RCNN对文本特征进行双向训练,并在更深层次上提取文本的上下文语义信息,从而提升了在情感分析任务中的综合性能。所提方法分别在三个公开数据集weibo-100k、waimai-10k和ChnSentiCorp上进行了实验,准确率分别达到了96.4%、91.8%和92.9%。实验结果证明了所提方法在情感分析任务中的有效性。
关键词
评论文本
情感分析
XLNet
片段级递归机制
循环卷积神经网络
Keywords
comment text
sentiment analysis
XLNet
segment-level recurrence mechanism
Recurrent Convolutional Neural Network(RCNN)
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
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
基于混合注意力模型的阴影检测方法
被引量：
3
3
作者
谭道强
曾诚
乔金霞
张俊
机构
湖北大学
计算机与信息
工程
学院
湖北省
软件
工程
工程技术
研究
中心
(
湖北大学
)
智慧政务与人工智能应用
湖北省
工程
研究
中心
(
湖北大学
)
出处
《计算机应用》
CSCD
北大核心
2021年第7期2076-2081,共6页
基金
国家自然科学基金面上项目(61977021)
国家自然科学基金青年科学基金项目资助项目(61902114)
湖北省2019年技术创新专项(2019ACA144)。
文摘
图像中阴影区域的存在会导致图像内容的不确定性,不利于其他计算机视觉任务,因此常将阴影检测作为计算机视觉算法的预处理过程。然而,现有的阴影检测算法大多采用多级网络结构,导致模型训练困难,虽然已经提出了一些采用单级网络结构的算法,但它们只关注了局部的阴影,忽略了阴影之间的联系。针对该问题,为提升阴影检测的准确率和鲁棒性,提出了基于混合注意力模型的阴影检测方法。首先将预训练后的深层网络ResNext101作为前端特征提取网络,提取图像的基本特征;其次采用双向金字塔结构由浅入深、由深到浅的方式进行特征融合,并提出信息补偿机制减少深层语义信息丢失;然后结合空间注意力和通道注意力提出混合注意力模型进行特征融合,捕捉阴影区域和非阴影区域的差异;最后融合两个方向的预测结果从而得到最终的阴影检测结果。在公开数据集SBU、UCF上对所提方法进行可行性对比实验,结果表明,相较于DSC算法,所提方法的平衡误差率(BER)分别降低了30%和11%,说明它能够较好地抑制阴影错误检测并增强阴影细节。
关键词
阴影检测
卷积神经网络
空间注意力
通道注意力
信息补偿机制
双向金字塔结构
Keywords
shadow detection
Convolutional Neural Network(CNN)
spatial attention
channel attention
information compensation mechanism
bidirectional pyramid structure
分类号
TP391.41 [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
作者
出处
发文年
被引量
操作
1
基于会话的多粒度图神经网络推荐模型
任俊伟
曾诚
肖丝雨
乔金霞
何鹏
《计算机应用》
CSCD
北大核心
2021
14
在线阅读
下载PDF
职称材料
2
结合广义自回归预训练语言模型与循环卷积神经网络的文本情感分析方法
潘列
曾诚
张海丰
温超东
郝儒松
何鹏
《计算机应用》
CSCD
北大核心
2022
10
在线阅读
下载PDF
职称材料
3
基于混合注意力模型的阴影检测方法
谭道强
曾诚
乔金霞
张俊
《计算机应用》
CSCD
北大核心
2021
3
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
