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
基于多域图神经网络的疾病预测模型
被引量：
2
1
作者
罗熹
刘洋
安莹
《湖南大学学报(自然科学版)》
北大核心
2025年第4期124-134,共11页
电子病历数据类型多样以及时序不规则,现有的基于深度学习的方法在特征学习的过程中大多无法同时兼顾对不同类型临床数据间静态关联和就诊记录间动态时序依赖的有效捕获.针对该问题,本文提出了一种基于多域图神经网络的疾病预测模型.该...
电子病历数据类型多样以及时序不规则,现有的基于深度学习的方法在特征学习的过程中大多无法同时兼顾对不同类型临床数据间静态关联和就诊记录间动态时序依赖的有效捕获.针对该问题,本文提出了一种基于多域图神经网络的疾病预测模型.该方法首先利用一个结合编码级注意力和时间感知LSTM的时序特征学习模块获得患者每次就诊的初始特征表示.然后,根据就诊序列中不同就诊间的相关性和时间间隔信息分别构建了一个就诊亲和图和一个就诊时序图,并通过图卷积神经网络从图中挖掘就诊记录间的静态语义关联和动态时序依赖.最后,利用一个基于自注意力机制的多域特征融合模块将时序特征和语义关联特征结合起来得到最终的患者融合特征表示,用于患者未来的疾病预测.在两个真实临床数据集上的实验结果表明,本文方法超过其他现有的方法获得了更高的预测准确性.
展开更多
关键词
电子病历
疾病预测
图神经网络
注意力机制
在线阅读
下载PDF
职称材料
基于深度信念网络的Android恶意应用检测方法
被引量：
4
2
作者
赵薇
王楠
+1 位作者
苏欣
张波云
《计算机工程与应用》
CSCD
北大核心
2018年第18期125-132,共8页
传统的机器学习算法无法有效地从海量的行为特征中选择出有本质的行为特征来对未知的Android恶意应用进行检测。为了解决这个问题,提出DBNSel,一种基于深度信念网络模型的Android恶意应用检测方法。为了实现该方法,首先通过静态分析方法...
传统的机器学习算法无法有效地从海量的行为特征中选择出有本质的行为特征来对未知的Android恶意应用进行检测。为了解决这个问题,提出DBNSel,一种基于深度信念网络模型的Android恶意应用检测方法。为了实现该方法,首先通过静态分析方法从Android应用中提取5类不同的属性。其次,建立深度信念网络模型从提取到的属性中进行选择和学习。最后,使用学习到的属性来对未知类型的Android恶意应用进行检测。在实验阶段,使用一个由3 986个Android正常应用和3 986个Android恶意应用组成的数据集来验证DBNSel的有效性。实验结果表明,DBNSel的检测结果要优于其他几种已有的检测方法,并可以达到99.4%的检测准确率。此外,DBNSel具有较低的运行开销,可以适应于更大规模的真实环境下的Android恶意应用检测。
展开更多
关键词
Android恶意应用
深度信念网络
安全
静态分析
在线阅读
下载PDF
职称材料
结合语义和依存关系的药物相互作用关系抽取
被引量：
1
3
作者
罗熹
曾智颖
+1 位作者
王建新
安莹
《湖南大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2022年第6期90-100,共11页
从生物医学文本中抽取药物相互作用对可以快速更新药物数据库,具有非常重要的意义与医学应用价值.现有的神经网络模型往往仅从句子序列或其他外部信息中学习到单一片面的特征,难以充分挖掘句中潜在的长距离依赖特征获得全面的特征表示....
从生物医学文本中抽取药物相互作用对可以快速更新药物数据库,具有非常重要的意义与医学应用价值.现有的神经网络模型往往仅从句子序列或其他外部信息中学习到单一片面的特征,难以充分挖掘句中潜在的长距离依赖特征获得全面的特征表示.本文提出一种结合语义和依存关系的药物相互作用关系抽取方法,该方法在利用Bi-GRU网络分别从句子序列和目标药物实体的最短依存路径序列中学习语义特征表示的同时,进一步结合多头自注意力机制挖掘单词之间潜在的依存关系,通过充分融合多源特征来有效提升生物医学文本中药物相互作用对的识别和抽取性能.在DDIExtraction-2013数据集上的实验结果表明,该方法超过现有的药物相互关系抽取方法获得了75.82%的F1值.
展开更多
关键词
药物相互作用
关系抽取
循环神经网络
多头自注意力机制
最短依存路径
在线阅读
下载PDF
职称材料
题名
基于多域图神经网络的疾病预测模型
被引量：
2
1
作者
罗熹
刘洋
安莹
机构
湖南警察学院网络犯罪侦查湖南省普通高校重点实验室
中南大学大数据研究院
出处
《湖南大学学报(自然科学版)》
北大核心
2025年第4期124-134,共11页
基金
湖南省教育厅科学研究重点项目(23A0702)。
文摘
电子病历数据类型多样以及时序不规则,现有的基于深度学习的方法在特征学习的过程中大多无法同时兼顾对不同类型临床数据间静态关联和就诊记录间动态时序依赖的有效捕获.针对该问题,本文提出了一种基于多域图神经网络的疾病预测模型.该方法首先利用一个结合编码级注意力和时间感知LSTM的时序特征学习模块获得患者每次就诊的初始特征表示.然后,根据就诊序列中不同就诊间的相关性和时间间隔信息分别构建了一个就诊亲和图和一个就诊时序图,并通过图卷积神经网络从图中挖掘就诊记录间的静态语义关联和动态时序依赖.最后,利用一个基于自注意力机制的多域特征融合模块将时序特征和语义关联特征结合起来得到最终的患者融合特征表示,用于患者未来的疾病预测.在两个真实临床数据集上的实验结果表明,本文方法超过其他现有的方法获得了更高的预测准确性.
关键词
电子病历
疾病预测
图神经网络
注意力机制
Keywords
electronic medical records
disease prediction
graph neural network
attention 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
基于深度信念网络的Android恶意应用检测方法
被引量：
4
2
作者
赵薇
王楠
苏欣
张波云
机构
湖南
警察学院
网络
侦查
技术
湖南省
重点
实验室
湖南
警察学院
信息技术系
国防科技大学机电工程与自动化
学院
湖南警察学院网络犯罪侦查湖南省普通高校重点实验室
出处
《计算机工程与应用》
CSCD
北大核心
2018年第18期125-132,共8页
基金
国家自然科学基金(No.61471169)
湖南省教育厅科学研究项目(No.16K028
+2 种基金
No.16B085)
网络侦查技术湖南省重点实验室开放课题(No.2016WLZC012)
网络犯罪侦查湖南省普通高等学校重点实验室开放研究基金(No.2016WLFZZC008)
文摘
传统的机器学习算法无法有效地从海量的行为特征中选择出有本质的行为特征来对未知的Android恶意应用进行检测。为了解决这个问题,提出DBNSel,一种基于深度信念网络模型的Android恶意应用检测方法。为了实现该方法,首先通过静态分析方法从Android应用中提取5类不同的属性。其次,建立深度信念网络模型从提取到的属性中进行选择和学习。最后,使用学习到的属性来对未知类型的Android恶意应用进行检测。在实验阶段,使用一个由3 986个Android正常应用和3 986个Android恶意应用组成的数据集来验证DBNSel的有效性。实验结果表明,DBNSel的检测结果要优于其他几种已有的检测方法,并可以达到99.4%的检测准确率。此外,DBNSel具有较低的运行开销,可以适应于更大规模的真实环境下的Android恶意应用检测。
关键词
Android恶意应用
深度信念网络
安全
静态分析
Keywords
Android malware
deep belief network
security
static analysis
分类号
TP393.08 [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
结合语义和依存关系的药物相互作用关系抽取
被引量：
1
3
作者
罗熹
曾智颖
王建新
安莹
机构
中南大学计算机
学院
湖南警察学院网络犯罪侦查湖南省普通高校重点实验室
中南大学大数据研究院
出处
《湖南大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2022年第6期90-100,共11页
基金
湖南省自然科学基金项目(2018JJ2534)
网络犯罪侦查湖南省普通高校重点实验室开放基金项目(2020WLFZZC003)
国家重点研发计划项目(2016YFC0901705)。
文摘
从生物医学文本中抽取药物相互作用对可以快速更新药物数据库,具有非常重要的意义与医学应用价值.现有的神经网络模型往往仅从句子序列或其他外部信息中学习到单一片面的特征,难以充分挖掘句中潜在的长距离依赖特征获得全面的特征表示.本文提出一种结合语义和依存关系的药物相互作用关系抽取方法,该方法在利用Bi-GRU网络分别从句子序列和目标药物实体的最短依存路径序列中学习语义特征表示的同时,进一步结合多头自注意力机制挖掘单词之间潜在的依存关系,通过充分融合多源特征来有效提升生物医学文本中药物相互作用对的识别和抽取性能.在DDIExtraction-2013数据集上的实验结果表明,该方法超过现有的药物相互关系抽取方法获得了75.82%的F1值.
关键词
药物相互作用
关系抽取
循环神经网络
多头自注意力机制
最短依存路径
Keywords
drug-drug interaction
relation extraction
recurrent neural networks
multi-head self-attention mechanism
the shortest dependency path
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
作者
出处
发文年
被引量
操作
1
基于多域图神经网络的疾病预测模型
罗熹
刘洋
安莹
《湖南大学学报(自然科学版)》
北大核心
2025
2
在线阅读
下载PDF
职称材料
2
基于深度信念网络的Android恶意应用检测方法
赵薇
王楠
苏欣
张波云
《计算机工程与应用》
CSCD
北大核心
2018
4
在线阅读
下载PDF
职称材料
3
结合语义和依存关系的药物相互作用关系抽取
罗熹
曾智颖
王建新
安莹
《湖南大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2022
1
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
