检索结果-南通市图书馆

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

基于全局对抗负样本的图对比学习方法

中文信息学报 2024年第1期38卷 65-73,85页

作者：岑科廷沈华伟曹婍徐冰冰程学旗中国科学院计算技术研究所数据智能系统研究中心北京100190 中国科学院大学北京101408 中国科学院计算技术研究所网络数据科学与技术重点实验室北京100190

图对比学习在无监督节点表示方面取得了巨大成功。该类模型旨在通过拉近同一节点对应的不同增强节点的表示(正样本),推远不同节点的表示(负样本)的方式为每个节点学习表示。其中负样本的选择是图对比学习的一个关键。现有的方法通过随... 详细信息

图对比学习在无监督节点表示方面取得了巨大成功。该类模型旨在通过拉近同一节点对应的不同增强节点的表示(正样本),推远不同节点的表示(负样本)的方式为每个节点学习表示。其中负样本的选择是图对比学习的一个关键。现有的方法通过随机采样或者根据一些启发式的重要性度量标准为每个节点选择对应的负样本。然而上述方法并不能准确地找到对模型关键的负样本。同时,由于需要为每一个节点选取其对应的负样本,导致高昂的时间开销。为了解决上述问题,该文提出通过对抗学习的方式,为所有节点学习一个全局共享的关键的负样本。在多个基准数据集上的实验结果证明了该方法的效率和有效性。

关键词：图表示学习图对比学习对抗负样本全局负样本

一种基于聚集诱导发光机制的新型氨肽酶N荧光探针

在线全文

学校读者我要写书评

暂无评论

天津大学学报（自然科学与工程技术版） 2024年第7期57卷 704-710页

作者：闫喜龙张子卓李明瑞沈华伟陈立功王博威天津大学化工学院天津300350 天津大学浙江绍兴研究院绍兴312300 东莞理工学院资产与实验室管理处东莞523808 绍兴兴欣新材料股份有限公司绍兴312369

氨肽酶N(APN)在人体中广泛存在,在肿瘤细胞表面大量表达,并在癌症侵袭、转移和血管生产过程中具有重要作用;体液中的APN可作为炎症、癌症的早期生物标志物.鉴于此,发展高灵敏度、高选择性的检测手段对APN进行实时检测及可视化成像将为AP... 详细信息

氨肽酶N(APN)在人体中广泛存在,在肿瘤细胞表面大量表达,并在癌症侵袭、转移和血管生产过程中具有重要作用;体液中的APN可作为炎症、癌症的早期生物标志物.鉴于此,发展高灵敏度、高选择性的检测手段对APN进行实时检测及可视化成像将为APN相关疾病的诊断及病理生理学说明提供可能性.荧光探针因其选择性好、灵敏度高的优势,近年来已被广泛应用于生物酶检测.然而已报道用于检测APN的荧光探针多基于平面分子,易受聚集荧光猝灭(ACQ)限制.与基于传统平面分子的ACQ荧光染料相比,具有聚集诱导发光(AIE)效应的荧光分子能更好地应用于高浓度与高含水量的检测环境,为荧光探针技术的发展开辟了新的路径,而基于AIE机制的APN荧光探针仍鲜有报道.喹啉-丙二腈(QM)类化合物具有长发射波长,且生物相容性好、光稳定性优异,目前已有多种基于QM母体的AIE探针应用于细胞成像与各种活性物质检测.基于此,设计合成了以QM为母体的AIE荧光探针QM-Ala,探针具有99 nm的大斯托克斯位移、良好的稳定性、抗干扰能力和较快的响应速度,检测限(LOD)低至1.22 ng/mL.QM-Ala在3~7区间对pH有即时响应,并在体液pH条件下对APN质量浓度有良好的线性响应,因此有望应用于酶抑制剂筛选以及体液中的APN质量浓度检测.

关键词：荧光探针氨肽酶N 聚集诱导发光喹啉-丙二腈

Identity-Preserving Adversarial Training for Robust Network Embedding

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

Journal of Computer Science & Technology 2024年第1期39卷 177-191页

作者：岑科廷沈华伟曹婍徐冰冰程学旗 Data Intelligence System Research Center Institute of Computing TechnologyChinese Academy of SciencesBeijing 100190China University of Chinese Academy of Sciences Beijing 101480China Beijing Academy of Artificial Intelligence Beijing 100000China Chinese Academy of Sciences Key Laboratory of Network Data Science and Technology Institute of Computing Technology Chinese Academy of SciencesBeijing 100190China

Network embedding,as an approach to learning low-dimensional representations of nodes,has been proved extremely useful in many applications,e.g.,node classification and link prediction.Unfortunately,existing network embed-ding models are vulnerable to random or adversarial perturbations,which may degrade the performance of network em-bedding when being applied to downstream tasks.To achieve robust network embedding,researchers introduce adversari-al training to regularize the embedding learning process by training on a mixture of adversarial examples and original ex-amples.However,existing methods generate adversarial examples heuristically,failing to guarantee the imperceptibility of generated adversarial examples,and thus limit the power of adversarial training.In this paper,we propose a novel method Identity-Preserving Adversarial Training(IPAT)for network embedding,which generates imperceptible adversarial exam-ples with explicit identity-preserving regularization.We formalize such identity-preserving regularization as a multi-class classification problem where each node represents a class,and we encourage each adversarial example to be discriminated as the class of its original node.Extensive experimental results on real-world datasets demonstrate that our proposed IPAT method significantly improves the robustness of network embedding models and the generalization of the learned node representations on various downstream tasks.

关键词： network embedding identity-preserving adversarial training adversarial the example

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

图分类研究综述

软件学报 2022年第1期33卷 171-192页

作者：王兆慧沈华伟曹婍程学旗中国科学院计算技术研究所数据智能系统研究中心北京100190 中国科学院计算技术研究所网络数据科学与技术重点实验室北京100190 中国科学院大学北京100049

图数据广泛存在于现实世界中,可以自然地表示复合对象及其元素之间的复杂关联.对图数据的分类是一个非常重要且极具挑战的问题,在生物/化学信息学等领域有许多关键应用,如分子属性判断,新药发现等.但目前尚缺乏对于图分类研究的完整综述... 详细信息

图数据广泛存在于现实世界中,可以自然地表示复合对象及其元素之间的复杂关联.对图数据的分类是一个非常重要且极具挑战的问题,在生物/化学信息学等领域有许多关键应用,如分子属性判断,新药发现等.但目前尚缺乏对于图分类研究的完整综述.首先给出图分类问题的定义和该领域的挑战;然后梳理分析了两类图分类方法—基于图相似度计算的图分类方法和基于图神经网络的图分类方法;接着给出了图分类方法的评价指标、常用数据集和实验结果对比;最后介绍了图分类常见的实际应用场景,展望了图分类领域的未来研究方向并对全文进行总结.

关键词：图分类图核图卷积图池化图神经网络

在线全文

学校读者我要写书评

暂无评论

标题与正文语义融合的新闻向量表示方法

计算机工程与应用 2023年第4期59卷 89-96页

作者：连晓颖薛源海刘悦沈华伟中国科学院计算技术研究所数据智能系统研究中心北京100190 中国科学院大学北京101408

针对新闻正文文本长度大、语义信息复杂的问题,提出了一种标题与正文语义融合的新闻向量表示方法(NRTA模型)。以新闻标题为查询,从正文的多个区域中挖掘标题的补充信息,关注前文语义的同时也关注后文语义,减少对新闻正文理解的偏差。在... 详细信息

针对新闻正文文本长度大、语义信息复杂的问题,提出了一种标题与正文语义融合的新闻向量表示方法(NRTA模型)。以新闻标题为查询,从正文的多个区域中挖掘标题的补充信息,关注前文语义的同时也关注后文语义,减少对新闻正文理解的偏差。在两个真实新闻推荐数据集MIND和Adressa上的实验表明,该方法较基线方法在各评价指标上的提升幅度在0.86%到3.95%之间,验证了正文后文语义信息的重要性,进一步丰富了新闻向量表示。

关键词：新闻推荐正文语义信息向量表示注意力机制

在线全文

学校读者我要写书评

暂无评论

图对比学习综述

中文信息学报 2023年第5期37卷 1-21页

作者：岑科廷沈华伟曹婍程学旗中国科学院计算技术研究所数据智能系统研究中心北京100190 中国科学院大学北京101408 中国科学院计算技术研究所网络数据科学与技术重点实验室北京100190

对比学习作为一种自监督式的深度学习范式,在计算机视觉、自然语言处理等领域取得了瞩目的成绩。受这些成功的对比学习模型的启发,近年来大量研究者尝试将其拓展到图数据上,这为推动图对比学习的发展提供了坚实的基础。该领域现有的综... 详细信息

对比学习作为一种自监督式的深度学习范式,在计算机视觉、自然语言处理等领域取得了瞩目的成绩。受这些成功的对比学习模型的启发,近年来大量研究者尝试将其拓展到图数据上,这为推动图对比学习的发展提供了坚实的基础。该领域现有的综述主要关注于传统的图自监督学习任务,而缺少对图对比学习方法的梳理和归纳。为了更好地帮助相关领域的研究者,该文梳理了近些年来的图对比学习模型,通过将现有工作归纳到一个统一的框架下,突出其发展脉络。最后该文总结了图对比学习常用的数据集和评价指标,并展望了该领域未来的发展方向。

关键词：自监督学习图对比学习图表示学习预训练

考虑圆孔不均匀收敛和空间效应的基坑坑外土体水平位移场分析

在线全文

学校读者我要写书评

暂无评论

岩土力学 2023年第12期44卷 3565-3576页

作者：应宏伟熊一帆沈华伟魏锋李冰河吕唯河海大学岩土力学与堤坝工程教育部重点实验室江苏南京210098 浙江大学滨海和城市岩土工程研究中心浙江杭州310058 中国电建集团华东勘测设计研究院有限公司浙江杭州310000 中铁十一局集团城市轨道工程有限公司湖北武汉430074 浙江省建筑设计研究院浙江杭州310006

基坑开挖将使土体产生水平位移,过大的水平位移会使邻近地下结构受到破坏。基于圆孔均匀收敛假定的传统影像源法低估了浅层土体的水平位移,应用于工程实践偏不安全,且该方面的研究大多基于平面应变分析,不能考虑基坑的空间效应。借助虚... 详细信息

基坑开挖将使土体产生水平位移,过大的水平位移会使邻近地下结构受到破坏。基于圆孔均匀收敛假定的传统影像源法低估了浅层土体的水平位移,应用于工程实践偏不安全,且该方面的研究大多基于平面应变分析,不能考虑基坑的空间效应。借助虚拟镜像技术和微元法推导了考虑不均匀收敛特性的土体水平位移的二维和三维半解析解,将半解析解同实测数据、既有理论解以及有限元结果进行对比,提出符合实际情况的不均匀收敛模式;进一步地,基于杭州深厚软黏土地区工程实例对土体水平位移的空间效应进行了详细的分析。结果表明:向下收敛的极限为更接近实际情况的收敛模式;被广泛认为偏于安全的平面应变解无法考虑平行于挡墙的土体水平位移,低估了基坑角部附近浅层土体的总水平位移;工程实践中容易忽视的平行于挡墙的土体位移可能对邻近浅基础和地下管线等浅埋结构造成意料之外的危害。

关键词：基坑开挖水平位移虚拟镜像技术不均匀收敛三维应变空间效应

在线全文

学校读者我要写书评

暂无评论

面向知识库问答的问句语义解析研究综述

电子学报 2022年第9期50卷 2242-2264页

作者：仇韫琦王元卓白龙尹芷仪沈华伟白硕中国科学院计算技术研究所数据智能系统研究中心北京100190 中国科学院大学计算机科学与技术学院北京101408 中科大数据研究院河南郑州450046 中国科学院计算技术研究所网络数据科学与技术重点实验室北京100190

知识库问答(Knowledge Base Question Answering,KBQA)借助知识库中精度高、关联性强的结构化知识,为给定的复杂事实型问句提供准确、简短的答案.语义解析是知识库问答的主流方法之一,该类方法在给定的问句语义表征形式下,将非结构化的... 详细信息

知识库问答(Knowledge Base Question Answering,KBQA)借助知识库中精度高、关联性强的结构化知识,为给定的复杂事实型问句提供准确、简短的答案.语义解析是知识库问答的主流方法之一,该类方法在给定的问句语义表征形式下,将非结构化的问句映射为结构化的语义表征,再将其改写为知识库查询获取答案.目前,面向知识库问答的语义解析方法主要面临三个挑战:首先是如何选择合适的语义表征形式以表达问句的语义,然后是如何解析问句的复杂语义并输出相应的语义表征,最后是如何应对特定领域中数据标注成本高昂、高质量数据匮乏的问题.本文从上述挑战出发,分析了知识库问答中常用的语义表征的特点与不足,然后梳理现有方法并总结分析其如何应对问句的复杂语义,接着介绍了当前方法在标注数据匮乏的低资源场景下的尝试,最后展望并讨论了面向知识库问答的语义解析的未来发展方向.

关键词：知识库问答语义表征语义解析低资源

在线全文

学校读者我要写书评

暂无评论

基于引用-作者联合传播的学术影响力度量

中文信息学报 2022年第7期36卷 132-142页

作者：李思莹沈华伟徐冰冰程学旗中国科学院计算技术研究所网络数据科学与技术重点实验室北京100190 中国科学院大学计算机科学与技术学院北京100049

科研人员学术影响力评价是科学计量领域备受关注的问题。目前的主流评价方法分为两类:一类方法通过科研人员的学术产出直接定义其学术影响力的量化指数,如总引用量、h-指数等;另一类方法基于论文引用网络建模学术影响力传播,从而对科研... 详细信息

科研人员学术影响力评价是科学计量领域备受关注的问题。目前的主流评价方法分为两类:一类方法通过科研人员的学术产出直接定义其学术影响力的量化指数,如总引用量、h-指数等;另一类方法基于论文引用网络建模学术影响力传播,从而对科研人员学术影响力进行排序评价,如PageRank算法等。现有影响力评价方法主要将论文引用关系作为影响力传播的载体,忽略了科研人员自身作为影响力传播载体的重要作用。该文提出了一种基于影响力传播的科研人员学术影响力度量新方法,该方法同时建模了论文引用和科研人员在学术影响力传播中的作用。在美国物理学会旗下所有11个刊物的463348篇论文数据集上的实验表明,该文方法在科研人员影响力度量方面优于现有仅考虑论文引用的评价方法。

关键词：学术评价学术网络影响力传播 PageRank算法