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

基于动态兴趣传播和知识图谱的推荐方法

智能系统学报 2024年第4期19卷 997-1006页

作者：束玮李翔孙纪舟朱全银任珂淮阴工学院计算机与软件工程学院江苏淮安223003

知识图谱推荐作为一种信息过滤方法被广泛应用于电子商务和网络社交等领域,然而多数基于知识图谱的推荐方法未采取合适的策略来解决传播过程中实体语义关联性衰减问题,且单维度建模无法利用知识图谱同时丰富用户和项目表示。针对以上问... 详细信息

知识图谱推荐作为一种信息过滤方法被广泛应用于电子商务和网络社交等领域,然而多数基于知识图谱的推荐方法未采取合适的策略来解决传播过程中实体语义关联性衰减问题,且单维度建模无法利用知识图谱同时丰富用户和项目表示。针对以上问题提出一种基于动态兴趣传播和知识图谱的推荐方法(recommendation method based on dynamic interest propagation and knowledge graph,RDPKG)。首先,通过传播网络挖掘层级用户兴趣生成用户表示,并采用注意力机制区分不同传播层数下用户兴趣的重要性;然后,通过交叉压缩单元提取知识图谱中的有效信息生成项目表示,并采用多任务学习优化推荐单元和知识图谱嵌入单元;最后,将最终的用户表示和项目表示内积获得交互概率。在推荐系统领域的3种公共数据集上进行对比实验,实验结果表明在点击率预测任务中RDPKG的准确率分别达到85.42%、76.09%和69.39%,优于其他对比方法,充分验证了RDPKG方法的有效性。

关键词：动态兴趣传播推荐方法知识图谱实体语义注意力机制用户兴趣多任务学习知识图谱嵌入

基于局部影响力与深层偏好传播的点击率预估方法

维普期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

陕西师范大学学报（自然科学版） 2024年第3期52卷 105-119页

作者：徐伟李翔朱全银任珂孙纪舟淮阴工学院计算机与软件工程学院江苏淮安223003

基于知识图谱的推荐方法是推荐系统的研究热点之一,利用用户历史行为及物品特征在知识图谱结构化表示数据的辅助下解决推荐系统数据稀疏性及冷启动问题。但是用户的兴趣易受特定物品所影响,而知识图谱以结构化形式存储数据,实体与实体... 详细信息

基于知识图谱的推荐方法是推荐系统的研究热点之一,利用用户历史行为及物品特征在知识图谱结构化表示数据的辅助下解决推荐系统数据稀疏性及冷启动问题。但是用户的兴趣易受特定物品所影响,而知识图谱以结构化形式存储数据,实体与实体之间仅存在链路关系,这就导致了单纯利用知识图谱的推荐方法在点击率预测方面性能较差。基于此,提出一种基于局部影响力与深层偏好传播的推荐方法(local influence and deep preference propagation,LIDP),充分利用知识图谱结构化数据在偏好传播中存在实体影响力的优点。LIDP模型首先对知识图谱逐层偏好传播获取数据影响力权重并根据所获数据权重进行局部影响力计算;其次对局部影响力进行用户历史行为的兴趣增强表示进而获取用户表示;最后对用户表示与物品的向量表示进行内积操作以获取最终交互概率。LIDP模型在MovieLens-1M数据集上相比最优基准模型GNRF,AUC、ACC、MAE和F 1值分别提高了0.16%、0.52%、0.87%、0.21%;在Book-Crossing数据集上,这些提升分别为0.45%、2.14%、1.29%、0.93%。实验结果表明,LIDP模型能有效获取深层次用户兴趣偏好,在推荐系统中具有良好的性能和效果,可以为用户提供更好的个性化推荐服务。

关键词：局部影响力知识图谱推荐系统深层偏好传播兴趣增强

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于EABMD的小样本多层次分类方法

西安文理学院学报(自然科学版) 2024年第3期 30-38页

作者：申永康朱全银孙纪舟史宇泉刘楚涵淮阴工学院计算机与软件工程学院

针对小样本多层次文本数据具有高度复杂性和多样性的特点，提出了一种基于ERNIE-Attention BiGRU-Multi-Channel CNN With Dilated Conv文本分类模型.该模型融合了ERNIE的语言表示能力、局部注意力增强的BiGRU以及带空洞卷积的多通道CNN... 详细信息

针对小样本多层次文本数据具有高度复杂性和多样性的特点，提出了一种基于ERNIE-Attention BiGRU-Multi-Channel CNN With Dilated Conv文本分类模型.该模型融合了ERNIE的语言表示能力、局部注意力增强的BiGRU以及带空洞卷积的多通道CNN.利用带局部注意力机制的BiGRU模型可以更好的提取出全局特征文本特征，利用带空洞卷积的多通道CNN可以提取出文本的局部特征信息.最后，将提取到的两部分特征通过拼接融合后作为多个全连接层的输入，计算分类结果.实验结果表明，该模型在自建数据集上相较于第二优的模型分类的准确率、Micro-F1和Macro-F1分别提高了5.31%、1.19%和9.1%,测试集损失率为0.016,时间降低了0.69 ms,并且在公共数据集中，测试集的准确率依然能够保证88.21%,损失率为0.015.在小样本多层次分类领域中取得了良好的效果.

关键词：小样本多层次 ERNIE模型 BiGRU神经网络多通道空洞卷积深度学习

融合FasterNet和RepVGG的安全设备佩戴检测方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

山东大学学报(工学版) 2023年

作者：张曼孙凯军李翔孙纪舟淮阴工学院计算机与软件工程学院

针对工业场景下检测模型参数量多、安全绳易与背景混淆问题,提出一种融合FasterNet和RepVGG的目标检测算法(you only look once version 5 fasternet-repvgg-cutmix-bifpn,YOLOv5s-FRCB)。通过引入轻量级网络结构FasterNet Block和RepVGG Block替换YOLOv5s部分卷积层,显著减少模型参数量和加快检测速度,满足实时性需求;通过BiFPN特征强连通性提升模型特征学习能力;改进Cutmix数据增强方法,随机将目标嵌入输入图像,更新标签,缓解标签类别不平衡问题,提高泛化性。在自建安全设备佩戴检测数据集上进行试验,结果表明,YOLOv5s-FRCB mAP值达到了96.3%,算法模型内存减少34%,是一种高效实用的安全设备佩戴检测方法。YOLOv5s-FRCB能在保证准确率的同时,进一步降低计算量。

关键词：安全设备佩戴检测目标检测轻量化数据增强实时检测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

融合多特征和双向图分类的专家推荐方法

数据采集与处理 2023年第5期38卷 1214-1225页

作者：丁婧娴李翔孙纪舟周泓淮阴工学院计算机与软件工程学院淮安223003

专家推荐是推荐系统领域的一个研究热点,专家信息特征提取的合理性直接影响到推荐的准确性。然而多数专家推荐方法未对多源信息构建特征关系文本图,忽略了属性特征之间的相关性,以及无法依据关联性拓展知识领域特征。针对以上问题本文... 详细信息

专家推荐是推荐系统领域的一个研究热点,专家信息特征提取的合理性直接影响到推荐的准确性。然而多数专家推荐方法未对多源信息构建特征关系文本图,忽略了属性特征之间的相关性,以及无法依据关联性拓展知识领域特征。针对以上问题本文提出了一种融合多特征和双向图分类的专家推荐方法CMFBG。首先通过多源信息融合获取专家个体多特征信息,并对不同属性特征构建类内文本图;然后分别使用基于Transformer的双向编码器表示(Bidirectionalencoder representation from transformer,BERT)模型和图卷积神经网络(Graph convolutional network,GCN)模型对特征提取并融合;最后通过双向注意力机制增强源数据对图特征的扩展,实现图结构上的分类。在同一专家数据集上进行实验分析,结果表明在图分类任务中CMFBG精确率高于其他算法,达到了91.71%。

关键词：专家推荐方法双向图卷积神经网络多特征融合图结构分类

Cleaning of Multi-Source Uncertain Time Series Data Based on PageRank

在线全文

学校读者我要写书评

暂无评论

Journal of Donghua University(English Edition) 2023年第6期40卷 695-700页

作者：高嘉伟孙纪舟 Faculty of Computer and Software Engineering Huaiyin Institute of TechnologyHuai’an 223003China

There are errors in multi-source uncertain time series *** discovery methods for time series data are effective in finding more accurate values,but some have limitations in their *** tackle this challenge,we propose a new and convenient truth discovery method to handle time series data.A more accurate sample is closer to the truth and,consequently,to other accurate *** the mutual-confirm relationship between sensors is very similar to the mutual-quote relationship between web pages,we evaluate sensor reliability based on PageRank and then estimate the truth by sensor ***,this method does not rely on smoothness assumptions or prior knowledge of the ***,we validate the effectiveness and efficiency of the proposed method on real-world and synthetic data sets,respectively.

关键词： big data data cleaning time series truth discovery PageRank

在线全文

学校读者我要写书评

暂无评论

微函数依赖及其推理

计算机学报 2016年第10期39卷 2134-2148页

作者：孙纪舟李建中高宏刘显敏哈尔滨工业大学计算机科学与技术学院哈尔滨150001 哈尔滨工业大学软件学院哈尔滨150001

起初,作为一个数据库模式设计的工具,函数依赖理论得到了很多的关注,而在数据修复中,该理论并不是十分有效.近年来,针对不一致数据的检测和修复问题,更多的约束被提出来,包括条件函数依赖、修复规则以及编辑规则等.然而,这些方法都只关... 详细信息

起初,作为一个数据库模式设计的工具,函数依赖理论得到了很多的关注,而在数据修复中,该理论并不是十分有效.近年来,针对不一致数据的检测和修复问题,更多的约束被提出来,包括条件函数依赖、修复规则以及编辑规则等.然而,这些方法都只关注了属性整体之间的依赖关系,而实际应用中的数据通常有属性部分之间的依赖关系.例如,某单位员工的工号前两位决定了其所属的部门,而此类依赖信息就被已有方法忽略.该文首先提出了一类更一般化的约束——微函数依赖,微函数依赖引入提取函数,用来表示属性的部分信息.利用提取函数之间的依赖关系,能够检测出更多的不一致数据.理论方面,该文首先研究了微函数依赖的可满足性问题和蕴含问题,然后提供了一个正确且完备的推理系统.最后,通过实验证实了微函数依赖能够在可接受的时间开销内检测出更多的错误数据.

关键词：微函数依赖提取函数可满足性问题蕴含问题推理系统

在线全文

学校读者我要写书评

暂无评论

基于语义匹配的多标签多层级中文专利分类

微电子学与计算机 2022年第4期39卷 91-99页

作者：王文川朱全银孙纪舟马甲林淮阴工学院计算机与软件工程学院江苏淮安223003

随着“十四五”规划提出要保护和激励国内产生更多高价值专利,各类跨学科、跨领域的创新型专利申请量激增,专利自动分类方法辅助人工分类的需求日益增长.目前,中文专利分类主要由审查员根据提交的专利内容,与国际专利分类体系表进行人... 详细信息

随着“十四五”规划提出要保护和激励国内产生更多高价值专利,各类跨学科、跨领域的创新型专利申请量激增,专利自动分类方法辅助人工分类的需求日益增长.目前,中文专利分类主要由审查员根据提交的专利内容,与国际专利分类体系表进行人工匹配来确定所属分类,人工效率低.已有的专利自动分类方法主要从专利中提取文本结构特征和语义特征,将两种特征与国际专利分类体系表中的标签直接进行相似度匹配,没有考虑到国际专利分类表中分类标签解释文本的语义信息,容易导致分类模糊.为此,提出一种基于语义匹配的多标签多层级中文专利分类方法,将传统的文本分类问题转化为基于语义特征的文本匹配问题,以实现专利文本多标签多层级分类任务.通过从国际专利分类表中提取各标签各层级(部、大类、小类、大组和小组)的语义特征,同时从公开专利中提取文本语义特征,并将二者进行语义匹配,从而达到自动分类的目的.在同一数据集上的实验结果显示,该方法能够取得更好的效果.

关键词：语义匹配 IPC标签语义多标签多层级中文专利分类伪孪生网络

基于多特征融合的ATT-BiLSTM-CNN危化品问句分类

在线全文

学校读者我要写书评

暂无评论

计算机与数字工程 2023年第8期51卷 1738-1744页

作者：胥心心朱全银孙纪舟王文川淮阴工学院计算机与软件工程学院淮安223001

针对危化品问句文本较短、语义理解困难以及噪声大特点,提出一种基于多特征融合的ATT-BiLSTM-CNN问句分类模型。针对危化品问句文本特征,构建危化品专业词汇表用于Bert模型训练,利用已训练好的Bert模型处理问句文本可以增强危化品问句... 详细信息

针对危化品问句文本较短、语义理解困难以及噪声大特点,提出一种基于多特征融合的ATT-BiLSTM-CNN问句分类模型。针对危化品问句文本特征,构建危化品专业词汇表用于Bert模型训练,利用已训练好的Bert模型处理问句文本可以增强危化品问句文本的语义表达和语义理解。其次,利用双层BiLSTM+注意力机制和卷积神经网络共同提取文本特征,可以更好地提取全局特征和局部特征以及增强关键特征。最后,将提取到的两部分特征融合后作为softmax层的输入,计算分类概率得到问句类别。实验结果表明该模型与传统问句分类算法相比F1值、召回率和准确率分别提升了2.75%~10.58%、2.53%~11.11%、3.38%~10.63%,在危化品领域的问句分类任务中取得了良好的效果。

关键词：危化品问句分类 Bert 双层BiLSTM 注意力机制卷积神经网络