检索结果-南通市图书馆

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于图注意力神经网络的实体消歧方法

山东大学学报（理学版） 2024年第3期59卷 71-80,94页

作者：牛泽群李晓戈强成宇韩伟姚怡刘洋西安邮电大学计算机学院陕西西安710121 西安邮电大学陕西省网络数据分析与智能处理重点实验室陕西西安710121 西安邮电大学西安市知识发现与应用工程技术中心陕西西安710121

针对链接对象为存在半结构化数据的知识库,提出了一种基于图注意力神经网络的短文本实体指称消歧方法。通过信息抽取与融入关键词,将含有半结构化数据的知识库构建为全局知识图谱;同时基于Bert预训练模型对短文本中的实体指称项进行嵌... 详细信息

针对链接对象为存在半结构化数据的知识库,提出了一种基于图注意力神经网络的短文本实体指称消歧方法。通过信息抽取与融入关键词,将含有半结构化数据的知识库构建为全局知识图谱;同时基于Bert预训练模型对短文本中的实体指称项进行嵌入融合;使用图注意力神经网络对全局知识图谱中候选实体节点进行加权聚合表征,并计算实体指称项与各候选实体之间的相似度得分,实现实体消歧。在CCKS2019数据集上的实验结果表明,基于图注意力神网络的实体消歧模型有效提高了实体消歧效果。

关键词：实体消歧知识图谱关键词提取图注意力神经网络自然语言处理

在线全文

学校读者我要写书评

暂无评论

对等网络DoS攻击的防御机制

计算机工程 2004年第2期30卷 66-67,106页

作者：李晓戈杨寿保中国科学技术大学计算机科学系合肥230026

由于对等网络的松散性,基于洪泛式请求的拒绝服务(DoS)攻击已经成为其主要威胁之一。文章首先介绍和分析了DoS问题在对等网络下的特点和带来的一些新问题,并提出了以带宽占用状态分析为主要依据,DoS特征分析为辅的自适应防御的机制,并... 详细信息

由于对等网络的松散性,基于洪泛式请求的拒绝服务(DoS)攻击已经成为其主要威胁之一。文章首先介绍和分析了DoS问题在对等网络下的特点和带来的一些新问题,并提出了以带宽占用状态分析为主要依据,DoS特征分析为辅的自适应防御的机制,并提出一些具体处理方法,以探索可行的防御模型。

关键词：对等网络 DoS DDoS 洪泛式请求

在线全文

学校读者我要写书评

暂无评论

对等网络中搜索策略的研究

计算机科学 2003年第9期30卷 94-96页

作者：李晓戈杨寿保中国科学技术大学计算机科学系合肥230026

1引言对等计算(peer-to-peer,P2P)可简单地定义为通过直接交换共享计算机资源和服务,对等计算机兼有客户机和服务器的功能.虽然P2P这个术语是现在才发明的,但P2P本身的基本技术的存在时间却至少存在30年了.

关键词：对等网络搜索策略数据检索通信效率互联网

在线全文

学校读者我要写书评

暂无评论

生活是一条路

1991年

作者：何伟李晓戈

来源：南通市图书馆图书汇雅图书（南通市图书馆... 评论

在线全文

汇雅图书（南通市图书馆）

学校读者我要写书评

暂无评论

基于深度卷积神经网络的图像去雾算法

计算机应用与软件 2019年第8期36卷 189-195页

作者：李晓戈薛倩茹西安邮电大学计算机学院

随着人们对图像的质量要求越来越高,相比于传统的去雾算法,人们发现用卷积神经网络(Convolutional Neural Networks,CNN)对图像进行去雾处理可以达到更好的效果,可以更好地还原图像的轮廓和细节。通过研究CNN去雾的原理,提出一种通过深... 详细信息

随着人们对图像的质量要求越来越高,相比于传统的去雾算法,人们发现用卷积神经网络(Convolutional Neural Networks,CNN)对图像进行去雾处理可以达到更好的效果,可以更好地还原图像的轮廓和细节。通过研究CNN去雾的原理,提出一种通过深度卷积神经网络对图像进行去雾处理的模型。用该算法得到图像的高频信息与去雾前的低频信息相叠加,以得到清晰的图像。将该算法和基于模型和基于神经网络的去雾最新算法进行对比,实验结果表明,该算法在峰值信噪比(Peak Signal to Noise Ratio,PSNR)和时间上都优于其他几种算法,并且在细节处理和图像纹理恢复上效果也更好。

关键词：图像去雾卷积神经网络信息叠加高频低频

在线全文

学校读者我要写书评

暂无评论

基于中文股票博客的情感分类

武汉大学学报（理学版） 2015年第2期61卷 163-168页

作者：李亚珍李晓戈于根西安邮电大学计算机学院陕西西安710121

根据新浪财经股票博客的特点,使用点互信息(PMI)方法构建了股票情感词典,在所构建的股票情感词典和现有的台湾大学情感词典基础上,结合经典贝叶斯方法对新浪财经博客的情感分析进行研究,并且在中文分词、自然语言处理(NLP)技术的基础上... 详细信息

根据新浪财经股票博客的特点,使用点互信息(PMI)方法构建了股票情感词典,在所构建的股票情感词典和现有的台湾大学情感词典基础上,结合经典贝叶斯方法对新浪财经博客的情感分析进行研究,并且在中文分词、自然语言处理(NLP)技术的基础上研究文本句法结构对股票博客文本情感分类结果的影响.实验结果表明:考虑文本中的句法细节以后,如词语搭配、否定词和连词等,使用PMI股票情感词典+贝叶斯方法,宏平均准确率从60.19%提高到80.50%,宏平均召回率从原来的59.35%提高到78.70%,宏平均F1值也由59.77%达到了79.60%.

关键词：情感词典 PMI算法自然语言处理

基于互信息改进算法的新词发现对中文分词系统改进

在线全文

学校读者我要写书评

暂无评论

北京大学学报（自然科学版） 2016年第1期52卷 35-40页

作者：杜丽萍李晓戈于根刘春丽刘睿西安邮电大学西安710121

提出一种非监督的新词识别方法。该方法利用互信息（PMI）的改进算法——PMIk算法与少量基本规则相结合,从大规模语料中自动识别2~n元网络新词（n为发现的新词最大长度,可以根据需要指定）。基于257MB的百度贴吧语料实验,当PMIk方法的... 详细信息

提出一种非监督的新词识别方法。该方法利用互信息（PMI）的改进算法——PMIk算法与少量基本规则相结合,从大规模语料中自动识别2~n元网络新词（n为发现的新词最大长度,可以根据需要指定）。基于257MB的百度贴吧语料实验,当PMIk方法的参数为10时,结果精度达到97.39%,比PMI方法提高28.79%,实验结果表明,该新词发现方法能够有效地从大规模网络语料中发现新词。将新词发现结果编纂成用户词典,加载到汉语词法分析系统ICTCLAS中,基于10 KB的百度贴吧语料实验,比加载用户词典前的分词结果准确率、召回率和F值分别提高7.93%,3.73%和5.91%。实验表明,通过进行新词发现能有效改善分词系统对网络文本的处理效果。

关键词：新词识别未登录词互信息 PMI改进算法中文分词

在线全文

学校读者我要写书评

暂无评论

多属性推荐算法在企业研发服务系统中的应用

小型微型计算机系统 2023年第1期44卷 8-13页

作者：田俊鹏李晓戈马鲜艳西安邮电大学计算机学院西安710000 西安邮电大学陕西省网络数据分析与智能处理重点实验室西安710000

为满足企业的技术服务及研发需求,各地陆续建设线上供需服务平台.线上技术供需匹配难的主要原因在于文本相似度计算的准确性以及多元数据对于成交结果的影响.为解决上述问题,本文提出一种融合多属性的供需推荐模型,针对“陕西省中小企... 详细信息

为满足企业的技术服务及研发需求,各地陆续建设线上供需服务平台.线上技术供需匹配难的主要原因在于文本相似度计算的准确性以及多元数据对于成交结果的影响.为解决上述问题,本文提出一种融合多属性的供需推荐模型,针对“陕西省中小企业研发服务平台”数据进行供需推荐,其中包括论文、专利、成果、项目等多属性特征,采用基于Bert(Bidirectional Encoder Representation from Transformers)的句向量表示方法计算供需文本的相似得分,并结合熵值法确定各属性权重,对各属性数据得分加权变换后实现推荐.实验表明,所提出的相似度计算模型在真实数据集上,各项评价指标优于词向量的表示方法.结合权值矩阵的多属性推荐模型,可较好的实现企业科技研发的供需推荐.

关键词：供需推荐短文本相似度多属性融合 Bert

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

基于日志多特征融合的无监督异常检测算法

小型微型计算机系统 2023年第12期44卷 2727-2733页

作者：程思强李晓戈李显亮西安邮电大学计算机学院西安710000 西安邮电大学陕西省网络数据分析与智能处理重点实验室西安710000 浪潮软件科技有限公司济南250000

日志是一种记录系统运行过程中重要信息的文本文件,而有效的日志异常检测可以帮助运维人员快速定位并解决问题,保证系统的快速恢复,从而减少经济损失.系统日志内容通常包含着丰富的系统信息(时间,序列,参数等),本文提出了一种基于预训... 详细信息

日志是一种记录系统运行过程中重要信息的文本文件,而有效的日志异常检测可以帮助运维人员快速定位并解决问题,保证系统的快速恢复,从而减少经济损失.系统日志内容通常包含着丰富的系统信息(时间,序列,参数等),本文提出了一种基于预训练的日志多特征融合的异常检测方法Log Multi-Feature Fusion(LMFF).首先,基于预训练模型对日志的事件模板进行语义信息提取,将系统日志建模为自然语言序列;然后,利用特征提取器分别对日志的事件序列,计数序列和时间序列进行特征提取融合,通过Tranformer和LSTM神经网络学习正常日志的特征信息.最后,对日志进行分析,并能够检测出潜在模式偏离正常日志序列的异常.通过在Hadoop日志文件系统(HDFS)数据的F1值达到约96%和在OpenStack数据的F1值达到约99%的结果表明,本文所提的异常检测方法与其它的日志异常检测算法Deeplog、LogAnomaly和基于主成分分析(PCA)的方法相比有较好的表现.

关键词：日志分析日志序列深度学习日志异常检测