检索结果-维普期刊中文期刊服务平台

大数据知识工程发展现状及展望被引量：14: 1; 作者郑庆华刘欢 +2 位作者龚铁梁张玲玲刘均《中国工程科学》 CSCD 北大核心 2023年第2期208-220,共13页; 大数据知识工程是人工智能的“基础设施”、诸多行业和领域面临的共性需求、信息化迈向智能化的必由之路。本文阐述了大数据知识工程产生的背景与概念内涵,提出了“数据知识化、知识体系化、知识可推理”的研究框架;梳理了知识获取与融... 展开更多; 关键词大数据知识工程知识获取知识融合知识表征知识推理; 在线阅读下载PDF 职称材料

面向智慧税务的大数据知识工程技术及应用被引量：3: 2; 作者郑庆华师斌董博《中国工程科学》 CSCD 北大核心 2023年第2期221-231,共11页; 税收在国家治理中发挥着基础性、支撑性作用,实现智慧税务是政府在数字时代转型的必然要求,因而梳理智慧税务中的关键问题并探讨发展思路兼具理论研究与实践应用价值。本文分析了我国智慧税务领域的发展现状及面临挑战,提出了以“数据... 展开更多; 关键词智慧税务知识工程大数据知识图谱知识推理; 在线阅读下载PDF 职称材料

基于时空多粒度兴趣建模的学习资源推荐方法: 3; 作者朱海萍王子瑜 +3 位作者赵成成陈妍刘均田锋《计算机研究与发展》北大核心 2025年第8期1884-1901,共18页; 个性化学习资源推荐以提取学习者兴趣为基础,为学习者推荐感兴趣的学习资源.然而,学习者的兴趣不仅受知识点、学习资源、课程等因素影响导致其兴趣难表征,而且其会随时间推移动态变化使得学习兴趣模式难捕获.针对此,提出基于时空多粒度... 展开更多; 关键词推荐系统学习资源推荐多粒度兴趣建模图神经网络序列建模; 在线阅读下载PDF 职称材料

基于大规模语言模型的知识图谱可微规则抽取被引量：9: 4; 作者潘雨黛张玲玲 +3 位作者蔡忠闽赵天哲魏笔凡刘均《计算机科学与探索》 CSCD 北大核心 2023年第10期2403-2412,共10页; 知识图谱上的推理是预测不完整三元组中缺失的实体或关系,对结构化知识进行补全,并用于不同下游任务的过程。不同于被普遍研究的黑盒方法,如基于表示学习的推理方法,基于规则抽取的推理方法通过从知识图谱中泛化出一阶逻辑规则,实现一... 展开更多; 关键词知识图谱上的推理一阶逻辑规则大规模语言模型(LLM) 可解释推理; 在线阅读下载PDF 职称材料

基于大语言模型增强表征对齐的小样本持续关系抽取方法: 5; 作者李逸飞张玲玲 +3 位作者董宇轩王佳欣仲宇杰魏笔凡《计算机科学与探索》 CSCD 北大核心 2024年第9期2326-2336,共11页; 关系抽取作为自然语言处理的关键任务,对于深化语言理解、构建知识图谱以及优化信息检索系统具有重要作用。然而,由于新关系不断涌现且缺乏大量标注示例,传统的监督学习方法并不适合实际场景。尽管大语言模型的出现显著提升了许多自然... 展开更多; 关键词大语言模型(LLM) 关系抽取持续学习小样本学习; 在线阅读下载PDF 职称材料

题名大数据知识工程发展现状及展望被引量：14: 1; 作者郑庆华刘欢龚铁梁张玲玲刘均; 机构西安交通大学西安交通大学计算机科学与技术学院陕西省大数据知识工程重点实验室; 出处《中国工程科学》 CSCD 北大核心 2023年第2期208-220,共13页; 基金国家自然科学基金项目(62250009) 中国工程科技知识中心项目(CKCEST-2022-1-40)。; 文摘大数据知识工程是人工智能的“基础设施”、诸多行业和领域面临的共性需求、信息化迈向智能化的必由之路。本文阐述了大数据知识工程产生的背景与概念内涵,提出了“数据知识化、知识体系化、知识可推理”的研究框架;梳理了知识获取与融合、知识表征、知识推理等大数据知识工程关键技术和智慧教育、税务风险管控、智慧医疗等典型场景中的工程应用;总结了大数据知识工程面临的挑战,研判了大数据知识工程的未来研究方向,包括复杂大数据知识获取、知识+数据混合学习、脑启发知识编码记忆等。研究建议,引导多学科交叉融合,设立重大和重点研发专项,推动大数据知识工程基础理论与技术攻关;加强企业和研究机构间交流合作,推广前沿研究成果并形成应用示范,建立大数据知识工程行业标准体系;以重大需求应用为导向,探索校企协同育人模式,加快大数据知识工程技术在重要行业的落地应用。; 关键词大数据知识工程知识获取知识融合知识表征知识推理; Keywords Big Data Knowledge Engineering Knowledge Acquisition Knowledge Fusion Knowledge Representation Knowledge Reasoning; 分类号 TP319 [自动化与计算机技术—计算机软件与理论]; 在线阅读下载PDF 职称材料

题名面向智慧税务的大数据知识工程技术及应用被引量：3: 2; 作者郑庆华师斌董博; 机构西安交通大学陕西省大数据知识工程重点实验室西安交通大学计算机科学与技术学院西安交通大学继续教育学院; 出处《中国工程科学》 CSCD 北大核心 2023年第2期221-231,共11页; 基金国家自然科学基金项目(62250009,61721002) 中国工程科技知识中心项目(CKCEST-2022-1-40)。; 文摘税收在国家治理中发挥着基础性、支撑性作用,实现智慧税务是政府在数字时代转型的必然要求,因而梳理智慧税务中的关键问题并探讨发展思路兼具理论研究与实践应用价值。本文分析了我国智慧税务领域的发展现状及面临挑战,提出了以“数据知识化、知识体系化、知识可推理”为核心的大数据知识工程解决方案,构建了由知识源层、知识提取层、知识图谱层、知识推理层、应用层组成的“五层”技术架构;结合大数据知识工程在智慧税务领域中的代表性应用案例,如知识驱动的税收优惠计算、可解释的税收风险识别、税收政策智能化决策支持、智慧问税,探讨了所提方案的局限性并论述了进一步的研究方向。从数据、技术、生态三方面出发,形成了规范涉税数据、健全国家数据共享/开放/保障体系,融合并更新信息学科成果,完善面向智慧税务的大数据知识工程应用系统,推动大数据知识工程技术的标准建设与人才培养等发展建议,以期为基于大数据知识工程的智慧税务高质量发展研究提供参考。; 关键词智慧税务知识工程大数据知识图谱知识推理; Keywords smart taxation knowledge engineering big data knowledge graph knowledge reasoning; 分类号 TP319 [自动化与计算机技术—计算机软件与理论]; 在线阅读下载PDF 职称材料

题名基于时空多粒度兴趣建模的学习资源推荐方法: 3; 作者朱海萍王子瑜赵成成陈妍刘均田锋; 机构西安交通大学计算机科学与技术学院陕西省大数据知识工程重点实验室(西安交通大学) 大数据算法与分析技术国家工程实验室(西安交通大学); 出处《计算机研究与发展》北大核心 2025年第8期1884-1901,共18页; 基金国家重点研发计划项目(2022YFC3303600) 国家自然科学基金项目(62277042,62293551,62177038,62377038) +1 种基金中国工程科技知识中心项目联想-西安交通大学智慧行业联合实验室项目。; 文摘个性化学习资源推荐以提取学习者兴趣为基础,为学习者推荐感兴趣的学习资源.然而,学习者的兴趣不仅受知识点、学习资源、课程等因素影响导致其兴趣难表征,而且其会随时间推移动态变化使得学习兴趣模式难捕获.针对此,提出基于时空多粒度兴趣建模的学习资源推荐方法,其特点在于:设计并实现了一种融合学习空间和时间维度的学习兴趣表征学习架构,其中,首先提出基于异构图的学习空间及其多粒度兴趣表征,即用节点表示知识点、学习资源、课程、教师和学校等实体,边表示实体间关系,用此异构图表示学习空间,再通过图神经网络表征学习节点嵌入来表达节点上的多粒度兴趣;然后提出时间维度多粒度兴趣模式表征方法,即结合时间、学习空间和课程偏好等多维度,切分学习者历史行为序列,用于挖掘学习者近期课程内、中期跨课程和长期跨课程等不同粒度的兴趣模式,并设计多粒度兴趣自监督任务,破解时空多粒度兴趣缺少监督信号问题;最后,提出多粒度兴趣自适应融合层,将多粒度兴趣表征和兴趣模式融合,获得最终的学习者兴趣,经预测层为学习者推荐感兴趣的学习资源.实验结果表明,在MOOCCube数据集上,所提算法较最优对比算法HinCRec,在Recall@20和NDCG@20指标上分别提升了3.13%,7.45%;在MOOPer数据集上,所提算法较最优对比算法HinCRec在Recall@20和NDCG@20指标上分别提升了4.87%,7.03%.; 关键词推荐系统学习资源推荐多粒度兴趣建模图神经网络序列建模; Keywords recommendation system learning resource recommendation multi-granularity interest modeling graph neural network sequential modeling; 分类号 TP18 [自动化与计算机技术—控制理论与控制工程] 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

题名基于大规模语言模型的知识图谱可微规则抽取被引量：9: 4; 作者潘雨黛张玲玲蔡忠闽赵天哲魏笔凡刘均; 机构西安交通大学计算机科学与技术学院陕西省大数据知识工程重点实验室西安交通大学系统工程研究所; 出处《计算机科学与探索》 CSCD 北大核心 2023年第10期2403-2412,共10页; 基金国家重点研发计划(2022YFC3303600) 国家自然科学基金(62137002,62293550,62293553,62293554,61937001,62250066,62176209,62176207,62106190,62192781,62250009) +5 种基金教育部创新团队项目(IRT_17R86) 国家科技重点实验室基金陕西省高校青年创新团队项目中央高校基本科研业务费专项资金(xhj032021013-02)。; 文摘知识图谱上的推理是预测不完整三元组中缺失的实体或关系,对结构化知识进行补全,并用于不同下游任务的过程。不同于被普遍研究的黑盒方法,如基于表示学习的推理方法,基于规则抽取的推理方法通过从知识图谱中泛化出一阶逻辑规则,实现一种可解释的推理范式。为解决离散的符号空间与连续的嵌入空间之间的鸿沟,提出一种基于大规模预训练语言模型的知识图谱可微规则抽取方法DRaM,将离散的一阶逻辑规则与连续的向量空间进行融合。针对规则中的原子公式顺序对推理过程产生的影响,通过引入大规模预训练语言模型对推理过程进行编码来解决。融合一阶逻辑规则的可微推理方法DRaM,在三个知识图谱数据集Family、Kinship和UMLS上进行的链接预测任务获得了较好的结果,尤其针对链接预测指标Hits@10,DRaM获得了最佳的推理结果。实验结果表明,DRaM能够有效地解决知识图谱上可微推理存在的问题,并且可以从推理过程中抽取带有置信度的一阶逻辑规则。DRaM不仅通过一阶逻辑规则增强了推理效果,同时增强了方法的可解释性。; 关键词知识图谱上的推理一阶逻辑规则大规模语言模型(LLM) 可解释推理; Keywords knowledge graph reasoning first-order logic rule large language model(LLM) interpretable reasoning; 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

题名基于大语言模型增强表征对齐的小样本持续关系抽取方法: 5; 作者李逸飞张玲玲董宇轩王佳欣仲宇杰魏笔凡; 机构传播内容认知全国重点实验室西安交通大学计算机科学与技术学院陕西省大数据知识工程重点实验室; 出处《计算机科学与探索》 CSCD 北大核心 2024年第9期2326-2336,共11页; 基金国家重点研发计划(2022YFC3303600) 国家自然科学基金(62137002,62293553,62293554,62176207,62106190,62192781) +2 种基金陕西高校青年创新团队项目。; 文摘关系抽取作为自然语言处理的关键任务,对于深化语言理解、构建知识图谱以及优化信息检索系统具有重要作用。然而,由于新关系不断涌现且缺乏大量标注示例,传统的监督学习方法并不适合实际场景。尽管大语言模型的出现显著提升了许多自然语言处理任务的性能,但仍然无法直接有效地解决小样本持续关系抽取任务的挑战。为了充分利用大语言模型的语义知识来缓解灾难性遗忘与过拟合问题,提出了一种基于大语言模型增强表征对齐的小样本持续关系抽取方法LAFA,通过关系实例改写、语义扩充和关系增强表征等策略,在保持数据量和计算成本较低的同时,有效提升了模型对新关系的适应性和对旧知识的保持能力。在两个关系抽取数据集FewRel、TACRED上进行实验验证,与现有方法相比,LAFA在小样本持续关系抽取任务中展现出较好的效果,尤其在增量阶段取得了最佳的实验结果。通过消融实验进一步揭示了方法中各个模块对整体性能的显著贡献。LAFA的推理效率与开销远远低于现有的基于大语言模型的方法,并且具有很强的扩展性,能够适配多种语言模型。; 关键词大语言模型(LLM) 关系抽取持续学习小样本学习; Keywords large language model(LLM) relation extraction continual learning few-shot learning; 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	大数据知识工程发展现状及展望	郑庆华刘欢龚铁梁张玲玲刘均	《中国工程科学》 CSCD 北大核心	2023	14	在线阅读下载PDF 职称材料
2	面向智慧税务的大数据知识工程技术及应用	郑庆华师斌董博	《中国工程科学》 CSCD 北大核心	2023	3	在线阅读下载PDF 职称材料
3	基于时空多粒度兴趣建模的学习资源推荐方法	朱海萍王子瑜赵成成陈妍刘均田锋	《计算机研究与发展》北大核心	2025	0	在线阅读下载PDF 职称材料
4	基于大规模语言模型的知识图谱可微规则抽取	潘雨黛张玲玲蔡忠闽赵天哲魏笔凡刘均	《计算机科学与探索》 CSCD 北大核心	2023	9	在线阅读下载PDF 职称材料
5	基于大语言模型增强表征对齐的小样本持续关系抽取方法	李逸飞张玲玲董宇轩王佳欣仲宇杰魏笔凡	《计算机科学与探索》 CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料