一种不确定性知识图上的动态表示框架

1

作者 陈新元 陈庆强 +1 位作者 黄戌霞 陈娥祥 《计算机应用与软件》 北大核心 2025年第6期317-324,386,共9页

如何将确定性知识图上的嵌入模型应用于不确定性推理,尚无统一标准,且事实置信度的计算机制也有待优化,基于此提出一种基于不确定性知识图的表示和推理框架,提供对主流确定性模型的支持。调整确定性模型得分函数取值区间,引入松弛系数... 如何将确定性知识图上的嵌入模型应用于不确定性推理,尚无统一标准,且事实置信度的计算机制也有待优化,基于此提出一种基于不确定性知识图的表示和推理框架,提供对主流确定性模型的支持。调整确定性模型得分函数取值区间,引入松弛系数设计结合置信度与规则的损失函数;改进负例三元组的生成方式,优化置信度的迭代更新和使用机制。在主流数据集上开展尾实体预测和置信度评估,结果表明该文框架的性能相比主流模型有一定提升。 展开更多

关键词 知识嵌入表示 不确定性 置信度 损失函数 松弛系数

在线阅读 下载PDF 职称材料

融合多窗口特征的词对标记情感三元组抽取

2

作者 林杰 刘建华 +2 位作者 陈林颖 郑智雄 孙水华 《计算机工程与应用》 CSCD 北大核心 2024年第16期159-167,共9页

方面情感三元组抽取旨在从句子中抽取方面词、意见词和对应的情感极性。针对目前研究未充分挖掘局部上下文语义信息,缺乏对局部范围内的方面意见词对关联学习,以及遭受错误传播等问题,提出一种融合多窗口特征的词对标记情感三元组抽取... 方面情感三元组抽取旨在从句子中抽取方面词、意见词和对应的情感极性。针对目前研究未充分挖掘局部上下文语义信息,缺乏对局部范围内的方面意见词对关联学习,以及遭受错误传播等问题,提出一种融合多窗口特征的词对标记情感三元组抽取模型。该模型利用BERT对句子信息进行处理,获取句子编码特征,采用多窗口特征学习机制学习局部范围内的情感特征关联,并挖掘句子包含的潜在语义信息,使用多头注意力图转换模块将所学习到的特征聚合成标记分布概率,利用改进的词对标记方案标记句子并解码得到三元组。在SemEval-ASTE的四个基准数据集上进行实验分析,相比GTS-BERT模型,所提模型在三元组抽取任务上F1分值分别提高了2.33、6.57、2.97、4.84个百分点。实验结果表明,所提模型可以有效学习局部语义信息,准确标记方面意见跨度,较为精确地提取情感三元组。 展开更多

关键词 方面情感三元组 情感极性 特征学习 多头注意力 词对标记方案

在线阅读 下载PDF 职称材料

双特征流融合和边界感知的显著性目标检测 被引量：2

3

作者 杨鑫 朱恒亮 毛国君 《计算机工程与应用》 CSCD 北大核心 2024年第10期227-236,共10页

显著性目标检测是计算机视觉领域的热门研究方向之一,许多基于深度学习的检测算法虽然已经取得了显著的成果,但是仍然存在待测目标漏检误检和边界模糊等问题。针对这些问题提出了一种基于双特征流融合和边界感知的目标检测算法,通过改... 显著性目标检测是计算机视觉领域的热门研究方向之一,许多基于深度学习的检测算法虽然已经取得了显著的成果,但是仍然存在待测目标漏检误检和边界模糊等问题。针对这些问题提出了一种基于双特征流融合和边界感知的目标检测算法,通过改变输入图像尺寸来丰富多尺度信息,并自顶向下逐层聚合特征得到精细的预测结果。首先将输入图像调整为两种不同分辨率分别送入编码器,提取丰富的多层级特征形成双特征流;其次将双特征流自顶向下逐层融合,生成由粗到细的显著图;最后构建了边界感知结构,凭借上下文语义信息的指导生成精细的物体轮廓。在五个公开数据集上进行了大量实验,实验结果表明,所提算法在结构相似性(Sm)等多个指标上取得了更高的检测精度,生成的显著图目标完整且边缘清晰。 展开更多

关键词 显著性目标检测 全卷积神经网络 多尺度学习 双特征流融合 边界感知

在线阅读 下载PDF 职称材料

基于组合模型的城市轨道站点短时客流分类预测 被引量：12

4

作者 王金水 欧雪雯 +1 位作者 陈俊岩 唐郑熠 《铁道科学与工程学报》 EI CAS CSCD 北大核心 2023年第6期2004-2012,共9页

轨道交通客流预测是轨道交通线网规划的重要内容,是确定轨道交通系统的线网规模、设置轨道站点及布设线路基础。不同类型的轨道站点在城市中的功能定位和布局要求等方面均存在差异,进而导致站点的进出客流量呈现显著的时空分布不均衡性... 轨道交通客流预测是轨道交通线网规划的重要内容,是确定轨道交通系统的线网规模、设置轨道站点及布设线路基础。不同类型的轨道站点在城市中的功能定位和布局要求等方面均存在差异,进而导致站点的进出客流量呈现显著的时空分布不均衡性。为了挖掘各类型站点的客流变化规律,将站点自身特征和周边环境特征组成向量因子,运用K-means聚类方法对站点进行分类。在此基础上,将影响乘客出行的多源数据作为输入特征,分别构建了随机森林(RF)模型、门控制循环单元(GRU)模型以及RF-GRU组合模型,从而进行站点短时客流分类预测。利用杭州地铁站自动检票系统(AFC)采集的刷卡客流数据,对所构建的预测模型的有效性进行检验。研究结果表明:利用7个刻画站点自身特征和周边环境特征的参数作为聚类因子,并结合站点客流时间分布数据,可将杭州市地铁站点分为就业导向型车站、职住混合型车站和住宅偏远型车站;采用平均绝对误差以及均方根误差作为评价指标,参数化模型(ARIMA),非参数化模型(SVR),深度学习模型(LSTM,GRU,SAEs和GCN),组合模型(DCRNN,STGCN,STHGCN和DSTHGCN)的预测误差依次降低,其中RF-GRU组合模型的预测精度优于其他的组合模型;对站点进行分类之后,单一模型和组合模型预测结果的精度均有提高。 展开更多

关键词 智能交通 短时客流量预测 组合预测模型 多源数据 随机森林 门控制循环单元

在线阅读 下载PDF 职称材料

基于时空超图卷积模型的城市轨道站点客流预测 被引量：6

5

作者 王金水 欧雪雯 +2 位作者 陈俊岩 唐郑熠 廖律超 《铁道科学与工程学报》 EI CAS CSCD 北大核心 2023年第12期4506-4516,共11页

城市轨道客流预测是智能交通系统的重要环节,准确的短时客流量预测有助于缓解城市轨道运营压力并提升地铁系统的服务质量。为挖掘交通系统中的时空交互特性并实现客流的精确预测,提出一种基于时空超图卷积模型(Spatio-Temporal Hypergra... 城市轨道客流预测是智能交通系统的重要环节,准确的短时客流量预测有助于缓解城市轨道运营压力并提升地铁系统的服务质量。为挖掘交通系统中的时空交互特性并实现客流的精确预测,提出一种基于时空超图卷积模型(Spatio-Temporal Hypergraph Convolutional,ST-HConv)的短时进站客流预测方法。门控卷积层用于提取客流的时间特征,双层超图卷积用于获取站点间的近邻性和路网中的全局性,实现空间特征的提取;时空交互模块由时间门控卷积和空间超图卷积组成,将时空特征融合进而获取时空交互信息。以杭州地铁自动检票系统(AFC)采集的乘客刷卡数据为例,对模型的有效性进行检验。研究结果表明,与传统机器学习模型、传统深度学习模型和图网络模型相比,ST-HConv模型同时考虑时间特征和空间特征,并实现了时空特征的有效融合,使得ST-HConv模型的平均绝对误差和均方根误差都低于其他模型。在图结构性能方面,与时空图卷积模型(Spatio-Temporal Graph Convolutional,ST-GConv)相比,ST-HConv模型中的超图卷积层获得了路网中的局部特征和全局特征,有效地降低了预测误差。在不同的时间间隔(15 min/30 min/45 min/60 min)下,ST-HConv相较于ST-GConv,平均绝对误差分别降低了1.3,1.05,1.51和2.29,均方根误差分别降低了2,1.44,2.48和2.89。由此可见,ST-HConv模型综合考虑了时空交互信息,能够提高客流预测的准确性。 展开更多

关键词 城市轨道交通 客流预测 耦合时空特征 超图卷积 门控卷积

在线阅读 下载PDF 职称材料

基于轻量时空图卷积模型的路网交通流预测 被引量：9

6

作者 贺文武 裴博彧 +1 位作者 毛国君 陈维亚 《铁道科学与工程学报》 EI CAS CSCD 北大核心 2022年第9期2552-2562,共11页

交通流预测是智能交通系统的重要组成部分。针对路网交通流天然具有的时空依赖性,结合交通流时序因果卷积与路网空间拓扑结构图卷积,提出一种基于递增式丢边的轻量时空图卷积神经网络模型,实现时空特征的有效融合,建立路网交通流高精度... 交通流预测是智能交通系统的重要组成部分。针对路网交通流天然具有的时空依赖性,结合交通流时序因果卷积与路网空间拓扑结构图卷积,提出一种基于递增式丢边的轻量时空图卷积神经网络模型,实现时空特征的有效融合,建立路网交通流高精度预测模型,提高交通流预测精度的同时降低其计算资源消耗、缩短预测响应时间。模型以单“三明治”式时空卷积模块为核心组件,减少时间卷积与空间卷积间的高计算消耗交互,有效提取交通流时空特征的同时保持整体结构轻量,其中的“厚夹心”空间图卷积采用多层图卷积网络以捕获远程高阶邻居节点信息、扩大空间感受野,并引入递增式丢边策略分阶处理邻居节点边,消解其潜在的过平滑。在模型训练中引入动态初始学习率,随模型训练进程演进动态调适学习率,进一步提升优化器性能,保证模型整体上的优越性。以真实基准交通流数据开展实验,对比分析本文所构建模型与多种相关基线模型的训练时间、预测精度等指标,并分析讨论所建模型在路网各节点上预测结果的离散性及其精度,解析多层图卷积可能具有的过平滑现象以及递增式丢边策略的消解能力。研究结果表明,本文所构建模型能有效捕获路网交通流的时空特性,以更少的训练时间获得更高的预测精度。 展开更多

关键词 智慧交通 路网交通流预测 轻量时空图卷积 递增式丢边 动态初始学习率

在线阅读 下载PDF 职称材料

基于双向自适应门控图卷积网络的交通流预测 被引量：6

7

作者 贺文武 裴博彧 +2 位作者 李雅婷 刘小雨 徐少兵 《交通运输系统工程与信息》 EI CSCD 北大核心 2023年第1期187-197,共11页

针对路网交通流时空依赖上的高度复杂性以及数据污染的现实性,基于图神经网络构建一种新型时空融合交通流预测模型。考虑交通流数据中的缺失、异常与噪声,模型首先对数据进行特征重构与融合,在保持时序特性的前提下,以滑动时间窗口平滑... 针对路网交通流时空依赖上的高度复杂性以及数据污染的现实性,基于图神经网络构建一种新型时空融合交通流预测模型。考虑交通流数据中的缺失、异常与噪声,模型首先对数据进行特征重构与融合,在保持时序特性的前提下,以滑动时间窗口平滑交通流特征信息,做好数据准备。考虑交通流的实际有向性,主体模型采用正、反双路网络设计以分向学习交通流时空特征的有效表示。双路网络结构相同,以轻量有效的因果卷积作为模型的时序特征提取器,以多层自适应门控图卷积神经网络作为模型组件提取空间特征,实现信息的自适应聚合与传播,再通过纵向信息聚合层轻量化地实现不同局部视野下的信息融合,基于注意力有效权衡两路网络的信息贡献并将其聚合,建立双向自适应门控图卷积网络交通流预测模型。在真实交通流基准数据集PEMS03、PEMS04、PEMS07和PEMS08上进行模型的有效性验证,结果表明,所建模型在4个数据集上3个预测精度指标均优于基线模型。同时,相较于最先进的基线模型时空同步图卷积网络与时空融合图神经网络,所建模型能以数倍甚至数十倍比例的参数轻量化与低训练时间代价获得更高的预测精度。 展开更多

关键词 智能交通 自适应门控 图卷积 双向图网络 特征融合 纵向层间聚合

在线阅读 下载PDF 职称材料

基于BERT的高校图书馆微信信息服务的命名实体识别方法 被引量：4

8

作者 李东升 鲍玉来 +1 位作者 刘建华 陈德旺 《现代情报》 CSSCI 2023年第4期64-76,共13页

[目的/意义]微信服务推文信息的命名实体识别是高校图书馆智慧服务领域的重要研究方向。在目前微信服务推文的命名实体识别领域中,存在高校图书馆微信服务领域的实体名称多样、特征信息提取不明确等问题。[方法/过程]针对以上问题,本文... [目的/意义]微信服务推文信息的命名实体识别是高校图书馆智慧服务领域的重要研究方向。在目前微信服务推文的命名实体识别领域中,存在高校图书馆微信服务领域的实体名称多样、特征信息提取不明确等问题。[方法/过程]针对以上问题,本文通过挖掘高校图书馆服务领域的微信服务推文文本,采用现有知识库和词典规则扩充句子语义信息,并在领域专家的指导下构建了一种高校图书馆微信服务推文文本的命名实体语料集ULICNER,实验数据集包含36035条文本语料数据,7大类16个小类。采用基于BERT-BiLSTM-CRF的模型研究高校图书馆微信推文文本的命名实体识别方法。该模型利用BERT网络将大规模文本生成具有语义特征的字符向量,接着对输入文本序列通过BiLSTM获取文本特征,最后连接CRF获得最佳的序列标记输出。[结果/结论]实验结果表明,本文模型在构建的数据集上取得良好的效果,其F1值为98.75%,准确率值为98.59%,召回率值为98.91%,模型可以运用于高校图书馆信息服务的实体识别任务。 展开更多

关键词 命名实体识别 高校图书馆 微信服务 BERT 双向长短记忆网络 条件随机场

在线阅读 下载PDF 职称材料

随机二阶锥二次规划逆问题的SAA方法 被引量：1

9

作者 王博 初丽 +1 位作者 张立卫 张宏伟 《运筹学学报》 CSCD 北大核心 2022年第2期31-44,共14页

本文讨论一类随机的二阶锥二次规划逆问题,该模型是一个含有二阶锥互补约束的随机二次规划模型,对解释部分实际问题有着一定的优势。为了求解该模型,本文引入了随机抽样技术和互补约束光滑化近似技术,得到问题的近似子问题。本文证明,... 本文讨论一类随机的二阶锥二次规划逆问题,该模型是一个含有二阶锥互补约束的随机二次规划模型,对解释部分实际问题有着一定的优势。为了求解该模型,本文引入了随机抽样技术和互补约束光滑化近似技术,得到问题的近似子问题。本文证明,只要子问题的解是存在且收敛的,则该极限以概率一是原问题的C-稳定点;若严格互补条件和二阶必要性条件成立,则该极限以概率1是原问题的M-稳定点。一个简单的数值实验验证了该算法具有一定的可行性。 展开更多

关键词 随机抽样 互补约束 二阶锥优化

在线阅读 下载PDF 职称材料

一种多移动充电车在线协同充电策略 被引量：1

10

作者 张顺淼 林亚彪 王进 《传感技术学报》 CAS CSCD 北大核心 2023年第5期798-808,共11页

在大规模无线可充电传感器网络(WRSN)中,引入多部移动充电车(MCV)为传感器补充能量可以有效提高充电可靠性。如何协同多MCV进行充电规划是提高WRSN性能的关键,为此提出一种基于注意力机制的多MCV在线分布式协同充电算法(OCAMD)。首先根... 在大规模无线可充电传感器网络(WRSN)中,引入多部移动充电车(MCV)为传感器补充能量可以有效提高充电可靠性。如何协同多MCV进行充电规划是提高WRSN性能的关键,为此提出一种基于注意力机制的多MCV在线分布式协同充电算法(OCAMD)。首先根据能耗率对传感器进行分级,结合传感器节点的距离和能量属性,采用注意力机制在线选择充电节点,并自适应调整充电时间。其次在满足WRSN正常运行的基础上,确定网络中所需的MCV数量。最后提出分布式协同算法,确保MCV与充电节点一一对应,同时均衡多MCV的充电负载。仿真结果表明,与当前主流的几种协同充电算法相比,OCAMD能有效提高传感器的存活率和MCV的能量利用率。 展开更多

关键词 无线可充电传感器网络 分布式协同算法 注意力机制 充电路径规划 移动充电车

在线阅读 下载PDF 职称材料

地方应用型大学新工科教育体系建设与实践 被引量：22

11

作者 吴仁华 张积林 《中国大学教学》 CSSCI 北大核心 2020年第12期11-16,共6页

新工科建设为地方新建本科院校转型应用型大学提供战略契机和有力支撑。福建工程学院以跨专业多学科融合的新工科理念为核心,以培养区域工程实践领军人才为目标,立足现代工程价值追求的全面工程教育观,系统设计基于全产业思维的教育模式... 新工科建设为地方新建本科院校转型应用型大学提供战略契机和有力支撑。福建工程学院以跨专业多学科融合的新工科理念为核心,以培养区域工程实践领军人才为目标,立足现代工程价值追求的全面工程教育观,系统设计基于全产业思维的教育模式,围绕课程体系的师生关系转变,将工程领域发展的最新实践成果全面融入应用型人才培养的全过程,形成了“两点突破,三链紧扣,五位一体”的新工科教育体系,丰富了我国应用型大学的发展模式和人才培养模式。 展开更多

关键词 跨学科多专业融合 地方应用型大学 新工科 教育体系

在线阅读 下载PDF 职称材料

基于BERT和多窗口门控CNN的电机领域命名实体识别 被引量：3

12

作者 张智源 孙水华 +2 位作者 徐诗傲 徐凡 刘建华 《计算机应用研究》 CSCD 北大核心 2023年第1期107-114,共8页

针对电机领域命名实体识别困难、精度不高的问题,提出了一种基于BERT和多窗口门控CNN的电机领域命名实体识别模型。该模型首先利用BERT预训练模型生成句子的字向量序列,根据电机领域文本的上下文动态微调字向量,增强字向量的语义表达;其... 针对电机领域命名实体识别困难、精度不高的问题,提出了一种基于BERT和多窗口门控CNN的电机领域命名实体识别模型。该模型首先利用BERT预训练模型生成句子的字向量序列,根据电机领域文本的上下文动态微调字向量,增强字向量的语义表达;其次,构建具有全局时序特征感知单元和多窗口门控CNN单元的双分支特征提取层,形成句子的多级语义特征表示;最后,通过CRF对字符序列进行解码,得到每个字符对应的标签。在小规模的自建电机领域数据集与多组模型进行的对比实验结果表明,该模型命名实体识别性能均优于其他模型,macro-F_(1)值达到了90.16%,验证了该方法对电机领域实体识别的有效性。 展开更多

关键词 命名实体识别 电机领域 BERT模型 多窗口门控CNN BiLSTM模型

在线阅读 下载PDF 职称材料

基于区块链的微电网电力交易匹配机制 被引量：9

13

作者 邓明辉 唐郑熠 +1 位作者 黄达 胡文瑜 《电力自动化设备》 EI CSCD 北大核心 2021年第12期95-101,共7页

针对分布式微电网新能源电力交易问题,基于主体的历史交易完成比提出一种适用于交易的匹配策略。将匹配度量化为对实体信用与电力售价的考察,并借助区块链实现信用数据的有效共享与周期评估。当消费者在进行购电行为收到不同生产者的电... 针对分布式微电网新能源电力交易问题,基于主体的历史交易完成比提出一种适用于交易的匹配策略。将匹配度量化为对实体信用与电力售价的考察,并借助区块链实现信用数据的有效共享与周期评估。当消费者在进行购电行为收到不同生产者的电价信息时,可从区块链账本中得知该生产者的交易信用值,并筛选出合适的交易方。算例分析表明:所提策略能够有效量化信用,结合售电价格匹配到最适合的交易方。 展开更多

关键词 区块链 电力交易 新能源 匹配策略 分布式

在线阅读 下载PDF 职称材料

基于改进YOLO-V4网络的浅海生物检测模型 被引量：10

14

作者 毛国君 翁伟栋 +3 位作者 朱晋德 张媛 吴富村 毛玉泽 《农业工程学报》 EI CAS CSCD 北大核心 2021年第12期152-158,共7页

海洋生物智能检测是海洋牧场战略的一部分,而利用水下机器人在复杂的海洋环境中快速、准确地检测海洋生物是关键问题。由于海底环境复杂、亮度分布不均匀、海洋生物与其生存环境的区分性差、生物被遮蔽或半隐蔽等原因,准确识别海洋生物... 海洋生物智能检测是海洋牧场战略的一部分,而利用水下机器人在复杂的海洋环境中快速、准确地检测海洋生物是关键问题。由于海底环境复杂、亮度分布不均匀、海洋生物与其生存环境的区分性差、生物被遮蔽或半隐蔽等原因,准确识别海洋生物是一个巨大的挑战。随着卷积神经网络的发展,基于深度学习的目标检测算法成为主流,出现了如EfficientDet、RetinaNet和YOLO-V4等典型算法。这些基于深度学习的算法都不是完全尽善尽美的,不能完全满足海洋生物识别的需求。在探测精度、运算速度、密集目标探测效果等方面都有提高的空间。该研究建立了一个海洋生物数据集,采集了原始图片1810张,数据增强后得到7240张图片,它们被分成训练集(80%)和测试集(20%)。其次,通过引入跨阶段局部网络的概念,构建了嵌连接EC(Embedded Connection)部件,并将其嵌入到YOLO-V4网络的末端,得到改进的YOLO-V4网络。最后,该研究提出了基于改进YOLO-V4网络的海洋生物检测模型MOD(Marine Organism Detection)。试验结果表明,MOD模型的mAP50、mAP75(交并比阈值为0.5、0.75的精度均值)分别为0.969和0.734,计算量为35.328BFLOPs(十亿浮点运算数),检测帧速为139 ms(具有图形加速器GeForce GTX1650上)。与原始YOLO-V4模型相比,MOD模型的mAP50和mAP75提高了0.9和4.8个百分点,而计算量仅提高0.2%。此外,对比两种模型的准确率-召回率曲线,MOD模型的精确度与召回率的平衡点更接近(1,1),因此MOD模型能学习精度和效率的平衡性更好。该研究直接面向浅海生物的目标检测问题,所提供的方法可以为水下机器人精准执行智能捕捞等任务提供有益参考。 展开更多

关键词 模型 深度学习 目标检测 YOLO-V4 跨阶段局部网络 嵌连接

在线阅读 下载PDF 职称材料

关联增强改进的CenterNet安全帽检测方法 被引量：4

15

作者 黄品超 刘石坚 +1 位作者 徐戈 邹峥 《计算机工程与应用》 CSCD 北大核心 2023年第17期250-256,共7页

施工现场的安全帽佩戴状况自动化检测是保障员工安全的重要手段,目前所面临的挑战包括安全帽目标往往较小、密集且部分被遮挡,难以兼顾方法的精确度和实时性等。为此,提出一种关联增强的CenterNet改进方法。为充分发挥CenterNet逐像素... 施工现场的安全帽佩戴状况自动化检测是保障员工安全的重要手段,目前所面临的挑战包括安全帽目标往往较小、密集且部分被遮挡,难以兼顾方法的精确度和实时性等。为此,提出一种关联增强的CenterNet改进方法。为充分发挥CenterNet逐像素分类的特点,引入关联融合模块来实现深、浅层特征的融合,弥补信息损失;同时使用上下文注意力提升模块来引导关联多级增强,进一步提升检测精度,降低误检率;此外,分阶段实施轻量化策略,剔除冗余、精简网络,极大降低权重规模、提升算法效率。该方法在复杂场景数据集上的准确率为88.6%,平均推理时间12ms,平均权重大小19.5MB,均优于主流对比方法。实验结果证明,该方法兼具强实时性与高准确度,适合复杂场景中的安全帽检测。 展开更多

关键词 目标检测 CenterNet 注意力机制 金字塔池化

在线阅读 下载PDF 职称材料

面向方面级情感分析的交互关系图注意力网络 被引量：3

16

作者 郑智雄 刘建华 +2 位作者 孙水华 林鸿辉 徐戈 《计算机工程与应用》 CSCD 北大核心 2023年第15期187-195,共9页

方面级别情感分析旨在分析网络评论每个方面的情感极性,是一种细粒度的情感分析技术。已经有许多相关研究把语法依赖树与图注意力网络结合应用到该任务,取得了较好的成绩。针对以往研究忽略关系类型信息,没有充分挖掘关系类型所包含的... 方面级别情感分析旨在分析网络评论每个方面的情感极性,是一种细粒度的情感分析技术。已经有许多相关研究把语法依赖树与图注意力网络结合应用到该任务,取得了较好的成绩。针对以往研究忽略关系类型信息,没有充分挖掘关系类型所包含的潜在语义信息,以及忽略了依赖关系和关系类型之间的联系等问题,提出了一种基于图注意力网络的交互关系图注意力网络模型(interactive relation graph attention network,IRGAT)。该模型提取关系类型的特征信息,使其与图注意力网络提取的上下文特征信息交互学习,使它们相互联系,强化各自的特征表示能力。通过方面注意力机制融合特征,再使用分类器捕获情感分类结果。该模型在四个公开数据集上进行了实验,实验结果表明,与现有的方面级情感分析模型相比,IRGAT模型的预测准确率和MF1值分别平均提升了1.52和1.56个百分点。 展开更多

关键词 神经网络 方面级情感分析 语法依赖树 交互注意力机制 图注意力网络

在线阅读 下载PDF 职称材料

智能电网中基于极大团的社团结构挖掘算法 被引量：3

17

作者 粘洪睿 章静 +1 位作者 许力 林力伟 《计算机应用》 CSCD 北大核心 2021年第S02期124-130,共7页

针对智能电网落后的分区方式无法适应日益复杂的运行状态和无法及时排查故障的问题,提出了一种基于极大团的智能电网社团结构挖掘算法(MCBCA)。首先,搜索网络中的低阶极大团,通过合并矩阵将其合并得到网络中极大团;然后,定义了极大团相... 针对智能电网落后的分区方式无法适应日益复杂的运行状态和无法及时排查故障的问题,提出了一种基于极大团的智能电网社团结构挖掘算法(MCBCA)。首先,搜索网络中的低阶极大团,通过合并矩阵将其合并得到网络中极大团;然后,定义了极大团相似度,确定了合并极大团与生成候选子图的标准,进行初步社团挖掘;最后,对网络中的孤立节点进行隶属度划分,形成最终的社团结构。实验结果表明,在空手道俱乐部网络、美国足球网络、美国国家西部网络及我国省级电力通信骨干网络数据集中,所提算法与KL算法相比,在准确率、模块度及网络抗毁性方面平均提高了50.1%、36.8%和36.2%;与标签传播算法(LPA)相比,在准确率、模块度及网络抗毁性方面平均提高了31.2%,17.7%和3.25%;与改进的GN算法相比,准确率和模块度方面平均提高了3.6%和2.1%。可见基于极大团的智能电网社团挖掘算法所挖掘的网络社团结构更为合理,具备更高的安全性,有利于及时排查故障. 展开更多

关键词 智能电网 社团结构挖掘 极大团 相似度 候选子图

在线阅读 下载PDF 职称材料

面向方面的自适应跨度特征的细粒度意见元组提取 被引量：1

18

作者 陈林颖 刘建华 +3 位作者 孙水华 郑智雄 林鸿辉 林杰 《计算机应用》 CSCD 北大核心 2023年第5期1454-1460,共7页

面向方面的细粒度意见提取(AFOE)以意见对的形式从评论中提取方面词和意见词,或在此基础上再提取方面词的情感极性形成意见三元组。针对现有研究方法忽略了意见对与上下文相关性的问题,提出一种面向方面的自适应跨度特征的网格标记方案(... 面向方面的细粒度意见提取(AFOE)以意见对的形式从评论中提取方面词和意见词,或在此基础上再提取方面词的情感极性形成意见三元组。针对现有研究方法忽略了意见对与上下文相关性的问题,提出一种面向方面的自适应跨度特征的网格标记方案(ASF-GTS)模型。首先,利用BERT(Bidirectional Encode Representation from Transformers)模型获得句子的特征表示;然后,采用自适应跨度特征(ASF)方法加强意见对与局部上下文的联系;其次,通过网格标记方案(GTS)将意见对提取(OPE)转化为统一的网格标记任务;最后,使用特定的解码策略生成对应的意见对或意见三元组。在适用于意见元组提取任务的四个AFOE基准数据集上进行实验,结果表明,与GTS-BERT(Grid Tagging Scheme-BERT)模型相比,所提模型在意见对和意见三元组任务上的F1值分别提高了2.42%~7.30%和2.62%~6.61%。所提模型能够有效保留意见对与上下文的情感联系,更精确地提取意见对及其情感极性。 展开更多

关键词 网格标记方案 方面词 意见词 意见对提取 意见三元组提取 面向方面的细粒度意见提取

在线阅读 下载PDF 职称材料

基于三支决策的KNN渐进式文本分类方法 被引量：12

19

作者 马新宇 黄春梅 姜春茂 《计算机应用研究》 CSCD 北大核心 2023年第4期1065-1069,共5页

在传统的文本分类中,KNN算法以其简单、分类准确率高、非参数得到了广泛的应用。但是传统KNN算法在进行文本分类的过程中,需要计算待分类文本与每一个训练样本的相似度,当面对海量的文本时,分类的效果会明显降低。针对此问题,提出了一... 在传统的文本分类中,KNN算法以其简单、分类准确率高、非参数得到了广泛的应用。但是传统KNN算法在进行文本分类的过程中,需要计算待分类文本与每一个训练样本的相似度,当面对海量的文本时,分类的效果会明显降低。针对此问题,提出了一种基于三支决策的KNN渐进式文本分类方法用于提高其分类效率,结合三支决策在分类问题中的优势,将三支决策与KNN算法相结合,对标题、摘要、关键词等进行渐进式的分类处理,从而完成待分类文本的分类,提高文本分类的效率和性能。实验表明,该算法能够在确保KNN算法分类准确率的基础上,同时提高分类效率。 展开更多

关键词 三支决策 KNN算法 渐进式 文本分类

在线阅读 下载PDF 职称材料

显著性检测引导的图像数据增强方法 被引量：6

20

作者 曾武 朱恒亮 +2 位作者 邢树礼 林江宏 毛国君 《图学学报》 CSCD 北大核心 2023年第2期260-270,共11页

针对多数数据增强方法在裁剪区域的选择中过于随机,以及多数方法过分关注图像中的特征显著区域而忽略了对图像中鉴别性较差区域进行加强学习,提出SaliencyOut以及SaliencyCutMix方法,旨在加强对图像中鉴别性较差区域特征的学习。具体来... 针对多数数据增强方法在裁剪区域的选择中过于随机,以及多数方法过分关注图像中的特征显著区域而忽略了对图像中鉴别性较差区域进行加强学习,提出SaliencyOut以及SaliencyCutMix方法,旨在加强对图像中鉴别性较差区域特征的学习。具体来说,SaliencyOut首先利用显著性检测技术生成原图像的显著性映射图,之后在显著性图中寻找一个特征显著区域,接着将此区域中的像素去除。SaliencyCutMix则是将原图像的裁剪区域去除之后,使用补丁图像中相同区域的图块进行替换。通过对图像中部分特征显著区域的遮挡或替换,引导模型学习关于目标对象的其他特征。此外,针对在裁剪区域较大时,可能丢失过多显著特征区域的问题,提出在裁剪边界的选定中加入自适应缩放因子。该因子可以根据裁剪区域边界初始大小的不同,动态地调整裁剪边界。在4个数据集中的实验表明:本文方法可显著提升模型的分类性能以及抗干扰能力,优于多数先进方法。尤其是在Mini-ImageNet数据集中,应用于ResNet-34网络,SaliencyCutMix相较于CutMix的Top-1准确率提升了1.18%。 展开更多

关键词 数据增强 图像分类 深度学习 显著性检测 图像混合

在线阅读 下载PDF 职称材料