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

实体和属性对齐方法的研究与实现

实体和属性对齐方法的研究与实现

作者：杨秀璋北京理工大学

学位级别：硕士

近年来,随着互联网技术的不断发展,网络信息呈爆炸式增长。人们在通过互联网快速、自由地获取信息的同时,也面临着如何从海量数据中快速精确地获取用户所需信息的难题。知识图谱通过构建知识来理解用户的查询意图,并发现令用户满意的搜... 详细信息

近年来,随着互联网技术的不断发展,网络信息呈爆炸式增长。人们在通过互联网快速、自由地获取信息的同时,也面临着如何从海量数据中快速精确地获取用户所需信息的难题。知识图谱通过构建知识来理解用户的查询意图,并发现令用户满意的搜索结果。实体对齐和属性对齐是知识图谱构建、Web挖掘和智能信息处理等领域的重要研究问题,该技术可应用于信息检索、问答系统、自动摘要等领域。本文主要研究面向在线百科的实体对齐和属性对齐方法。实体对齐任务是指将不同数据源但是含义相同的多个实体进行对齐。属性对齐任务是指将表示同一概念的属性进行合并。针对实体对齐问题,本文提出了一种基于多视图融合的实体对齐方法。该方法的基本思想是同时利用两个视图的模型进行实体对齐,融合了自由文本视图和消息盒视图。它的优势是从多个角度解决实体对齐问题,考虑了多种视图的共同性和互补性。针对属性对齐问题,本文提出了一种基于词向量的属性对齐方法。该方法的基本思想是通过Word2vec及词向量技术去挖掘网页文本中的潜在语义信息,并融合对齐实体的相似属性。它的优势是有效地利用了深层语义信息和短文本知识,从而提升属性对齐的效果。本文实验数据选用百度百科、互动百科和维基百科三大在线百科的旅游景区、保护动物、人物明星和世界国家四个主题的中文网页语料。评估指标采用的是准确率、召回率和F值。实验结果表明,基于多视图融合的聚类实体对齐方法优于单个视图的实体对齐方法,基于多视图融合的BIRCH层次聚类实体对齐方法优于基于多视图融合的LDA主题模型实体对齐方法和基于多视图融合的K-means聚类实体对齐方法;基于词向量的属性对齐方法优于基于相似距离的属性对齐方法。因此,实验结果表明了本文提出的实体对齐方法和属性对齐方法的有效性,该方法和所构建的实体和属性对齐知识可以广泛应用于构建知识图谱、知识库和知识计算引擎中。

关键词：实体对齐属性对齐多视图融合词向量知识图谱

基于句法特征和Bert-BiLSTM-MHA-CRF的细粒度古籍实体识别研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

数据分析与知识发现 2024年

作者：武帅杨秀璋何琳公佐权南京农业大学信息管理学院贵州大学贵州省大数据产业发展应用研究院武汉大学国家网络安全学院贵州财经大学信息学院

[目的]结合古籍文本复合句式结构特征，设计较高精度识别古籍文本中实体词的方法，推动数字人文研究的发展。[方法]以触发词和关系词作为识别实体词的关键特征词，设计句式特征模板；根据古籍文本特征，构建Bert-BiLSTM-MHA-CRF模型；... 详细信息

[目的]结合古籍文本复合句式结构特征，设计较高精度识别古籍文本中实体词的方法，推动数字人文研究的发展。[方法]以触发词和关系词作为识别实体词的关键特征词，设计句式特征模板；根据古籍文本特征，构建Bert-BiLSTM-MHA-CRF模型；融合句法特征和Bert-BiLSTM-MHA-CRF模型实现对古籍文本深层次、细粒度的命名实体识别。[结果]本文方法在常规标注的测试数据集上的F1值为88.00%；在小样本标注的测试数据集上的F1值为82.54%；在迁移学习的测试数据集上的F1值分别是78.72%(《诗经》)、81.45%(《吕氏春秋》)和85.09%(《国语》)。[局限]在句法特征模板设计上，仅以单部古籍设计特征模板；语义信息挖掘上，未考虑古籍文本字符的注音、部首等字结构特征。[结论]本文方法在小样本标注和迁移学习实验中，同样能精准地实现对古籍文本的命名实体识别，为“数字人文”研究任务提供较高质量语料数据。

关键词：预训练模型古籍文本命名实体识别句法特征 Bert-BiLSTM-MHA-CRF

多视图融合DJ-TextRCNN的古籍文本主题推荐研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

情报学报 2024年第1期43卷 61-75页

作者：武帅杨秀璋何琳南京农业大学信息管理学院南京211800 武汉大学国家网络安全学院武汉430072 贵州财经大学信息学院贵阳550025

传统编目分类和规则匹配方法存在工作效能低、过度依赖专家知识、缺乏对古籍文本自身语义的深层次挖掘、编目主题边界模糊、较难实现对古籍文本领域主题的精准推荐等问题。为此,本文结合古籍语料特征探究如何实现精准推荐符合研究者需... 详细信息

传统编目分类和规则匹配方法存在工作效能低、过度依赖专家知识、缺乏对古籍文本自身语义的深层次挖掘、编目主题边界模糊、较难实现对古籍文本领域主题的精准推荐等问题。为此,本文结合古籍语料特征探究如何实现精准推荐符合研究者需求的文本主题内容的方法,以推动数字人文研究的进一步发展。首先,选取本课题组前期标注的古籍语料数据进行主题类别标注和视图分类;其次,构建融合BERT(bidirectional encoder representation from transformers)预训练模型、改进卷积神经网络、循环神经网络和多头注意力机制的语义挖掘模型;最后,融入“主体-关系-客体”多视图的语义增强模型,构建DJ-TextRCNN(DianJi-recurrent convolutional neural networks for text classification)模型实现对典籍文本更细粒度、更深层次、更多维度的语义挖掘。研究结果发现,DJ-TextRCNN模型在不同视图下的古籍主题推荐任务的准确率均为最优。在“主体-关系-客体”视图下,精确率达到88.54%,初步实现了对古籍文本的精准主题推荐,对中华文化深层次、细粒度的语义挖掘具有一定的指导意义。

关键词：数字人文古籍文本主题推荐多视图融合 DJ-TextRCNN

大数据视域下2019年中国电影产业分析研究

在线全文

学校读者我要写书评

暂无评论

电影文学 2020年第23期 17-29页

作者：杨秀璋武帅夏换于小民贵州财经大学信息学院贵州贵阳550025 贵州财经大学贵州省经济系统仿真重点实验室贵州贵阳550025

本文采用大数据及可视化技术分析2019年中国电影产业,挖掘潜在价值信息,通过计量分析和文本挖掘梳理了2019年度国内电影产业各类概况,利用知识图谱及K-Means聚类算法构建演员合作关系,智能发现演员、影片和黄金档期的影响力。研究结果表... 详细信息

本文采用大数据及可视化技术分析2019年中国电影产业,挖掘潜在价值信息,通过计量分析和文本挖掘梳理了2019年度国内电影产业各类概况,利用知识图谱及K-Means聚类算法构建演员合作关系,智能发现演员、影片和黄金档期的影响力。研究结果表明,2019年中国电影市场在探索中前行,更加注重影片内容及回归原创,电影质量有较大提升,市场活力和观众口碑均在不断提高,多类型题材的电影让中国电影产业异彩纷呈,为观众提供了更好的精神文化需求,让中国电影进一步走向世界。

关键词：中国电影电影产业 2019年电影市场分析大数据

在线全文

学校读者我要写书评

暂无评论

基于社交网络和决策树的中国电影产业研究

电影文学 2019年第5期 3-12页

作者：杨秀璋夏换于小民李娜贵州财经大学信息学院贵州贵阳550025 贵州财经大学贵州省经济系统仿真重点实验室贵州贵阳550025 中国船舶工业系统工程研究院北京100036

本文提出了一种基于社交网络和决策树的中国电影产业分析方法,结合可视化技术从多种角度分析影响电影票房和质量的因素。本文旨在从多个维度挖掘中国电影市场的特点,分析电影票房和电影质量、电影类型、演员阵容、上映时间的关系,利用... 详细信息

本文提出了一种基于社交网络和决策树的中国电影产业分析方法,结合可视化技术从多种角度分析影响电影票房和质量的因素。本文旨在从多个维度挖掘中国电影市场的特点,分析电影票房和电影质量、电影类型、演员阵容、上映时间的关系,利用社交网络构建演员关系图谱,智能化推荐符合观众口味的电影。实验结果表明,本文的研究成果具有重要的理论研究意义和实际应用价值,该算法可以广泛应用于电影市场分析、文本挖掘、电影智能推荐等领域,同时可以优化中国电影市场,为观众提供更好的精神食粮。

关键词：中国电影市场电影分析社交网络决策树可视化

基于动态API调用序列和机器学习的恶意逃避样本检测方法

在线全文

学校读者我要写书评

暂无评论

山东大学学报（理学版） 2022年第7期57卷 85-93,102页

作者：张杰彭国军杨秀璋空天信息安全与可信计算教育部重点实验室湖北武汉430072 武汉大学国家网络安全学院湖北武汉430072

针对恶意逃避样本的逃避行为进行分析,归纳并总结了恶意逃避样本常用的逃避API函数集,提出了一种基于动态API调用序列和机器学习的恶意逃避样本检测方法。在特征工程处理阶段,提出了逃避API函数权重衡量算法,并通过优化词频处理来增强逃... 详细信息

针对恶意逃避样本的逃避行为进行分析,归纳并总结了恶意逃避样本常用的逃避API函数集,提出了一种基于动态API调用序列和机器学习的恶意逃避样本检测方法。在特征工程处理阶段,提出了逃避API函数权重衡量算法,并通过优化词频处理来增强逃避API函数的特征向量值,最终本文方法检测恶意逃避样本的准确率可达95.09%。

关键词：逃避样本 API调用序列机器学习

OMRDetector:一种基于深度学习的混淆恶意请求检测方法

在线全文

学校读者我要写书评

暂无评论

计算机学报 2022年第10期45卷 2167-2189页

作者：杨秀璋彭国军罗元宋文纳张杰操方涛武汉大学空天信息安全与可信计算教育部重点实验室武汉430072 武汉大学国家网络安全学院武汉430072

Web恶意请求检测旨在快速精确地识别网络中的异常攻击.当前Web恶意请求复杂多元、混淆明显,传统的检测技术存在过度依赖人工经验和规则库、易被绕过、误报率高,且忽略Web恶意请求特征语义关系等问题,无法第一时间感知未知网络攻击,无法... 详细信息

Web恶意请求检测旨在快速精确地识别网络中的异常攻击.当前Web恶意请求复杂多元、混淆明显,传统的检测技术存在过度依赖人工经验和规则库、易被绕过、误报率高,且忽略Web恶意请求特征语义关系等问题,无法第一时间感知未知网络攻击,无法对抗混淆和加密的恶意请求.为此,本文设计并首次将三层CNN-BiLSTM融合注意力机制的模型应用于混淆恶意请求检测领域,并针对混淆的Web恶意请求特点进行模型优化,提出了一种基于深度学习的混淆恶意请求检测模型OMRDetector.该模型针对混淆恶意请求特征,提出抗混淆预处理方法,利用三层卷积神经网络(CNN)获取Web请求的局部特征,再引入双向长短时记忆(BiLSTM)网络捕获混淆恶意请求的长距离依赖关系以及上下文语义特征,通过注意力机制突出关键特征,最终由Softmax分类器计算恶意请求的检测结果,从而实现对抗混淆和检测未知恶意请求攻击.实验结果表明,本文所提出的模型能有效检测出隐蔽性较高且带混淆加密的Web恶意请求,相比于现有模型在精确率、召回率、F_(1)值和准确率上均有所提升,对应值分别为97.734%、97.737%、97.735%和97.754%.OMRDetector模型恶意请求的漏报数量(1226个)和误报数量(1244个)均最少,其对混淆恶意请求的识别效果优于传统的机器学习模型(包括逻辑回归、决策树、朴素贝叶斯、支持向量机、随机森林和AdaBoost)以及现有深度学习模型(包括CNN、TextCNN、LSTM、BiLSTM、BiLSTM+Attention).此外,本文结合Web请求恶意混淆的特点,归纳总结了Web恶意请求攻击常见的十二大类混淆方法,分别是大小写混淆、关键词复写混淆、含注释绕过混淆、特殊字符截断混淆、路径绕过混淆、URL编码转换、特殊功能关键词混淆、组合规则绕过逻辑混淆、等价函数替换混淆、Base64编码转换、DES加密和流量魔改混淆,且最后两类混淆将用于评估OMRDetector模型对未知类型(无训练学习过程)的Web恶意请求的检测及对抗能力.为进一步验证OMRDetector模型能更好地检测混淆恶意请求,本文进行详细的对比实验,最终证明OMRDetector能有效检测Web恶意请求的各种混淆类型并较好地感知未知类型的Web恶意请求攻击,具有一定的学术价值和应用前景.

关键词：混淆恶意请求检测对抗混淆卷积神经网络双向长短时记忆注意力机制深度学习网络安全

基于SWPF2vec和DJ-TextRCNN的古籍文本主题分类研究

在线全文

学校读者我要写书评

暂无评论

情报学报 2024年第5期43卷 601-615页

作者：武帅杨秀璋何琳公佐权南京农业大学信息管理学院南京211800 贵州大学贵州省大数据产业发展应用研究院贵阳550025 武汉大学国家网络安全学院武汉430030 贵州财经大学信息学院贵阳550025

以编目分类和规则匹配为主的古籍文本主题分类方法存在工作效能低、专家知识依赖性强、分类依据单一化、古籍文本主题自动分类难等问题。对此,本文结合古籍文本内容和文字特征,尝试从古籍内容分类得到符合研究者需求的主题,推动数字人... 详细信息

以编目分类和规则匹配为主的古籍文本主题分类方法存在工作效能低、专家知识依赖性强、分类依据单一化、古籍文本主题自动分类难等问题。对此,本文结合古籍文本内容和文字特征,尝试从古籍内容分类得到符合研究者需求的主题,推动数字人文研究范式的转型。首先,参照东汉古籍《说文解字》对文字的分析方式,以前期标注的古籍语料数据集为基础,构建全新的“字音(说)-原文(文)-结构(解)-字形(字)”四维特征数据集。其次,设计四维特征向量提取模型(speaking,word,pattern,and font to vector,SWPF2vec),并结合预训练模型实现对古籍文本细粒度的特征表示。再其次,构建融合卷积神经网络、循环神经网络和多头注意力机制的古籍文本主题分类模型(dianji-recurrent convolutional neural networks for text classification,DJ-TextRCNN)。最后,融入四维语义特征,实现对古籍文本多维度、深层次、细粒度的语义挖掘。在古籍文本主题分类任务上,DJ-TextRCNN模型在不同维度特征下的主题分类准确率均为最优,在“说文解字”四维特征下达到76.23%的准确率,初步实现了对古籍文本的精准主题分类。

关键词：多维特征融合古籍文本主题分类 SWPF2vec DJ-TextRCNN

Excel 4.0宏自动化反混淆与家族分类系统

在线全文

学校读者我要写书评

暂无评论

网络与信息安全学报 2024年第3期10卷 66-80页

作者：李晨光杨秀璋彭国军武汉大学国家网络安全学院湖北武汉430072

近年来,使用恶意Excel 4.0宏(XLM)文档的攻击迎来了爆发,而XLM代码往往经过复杂的混淆,现有方法或检测系统难以分析海量样本的真实功能。因此,针对恶意样本中使用的各类混淆技术,基于抽象语法树和模拟执行,设计和实现了包含138个宏函数... 详细信息

近年来,使用恶意Excel 4.0宏(XLM)文档的攻击迎来了爆发,而XLM代码往往经过复杂的混淆,现有方法或检测系统难以分析海量样本的真实功能。因此,针对恶意样本中使用的各类混淆技术,基于抽象语法树和模拟执行,设计和实现了包含138个宏函数处理程序的自动化XLM反混淆与关键威胁指标(IOC,indicators of compromise)提取系统XLMRevealer;在此基础上,根据XLM代码特点提取Word和Token特征,通过特征融合能够捕获多层次细粒度特征,并在XLMRevealer中构造CNN-BiLSTM(convolution neural network-bidirectional long short term memory)模型,从不同维度挖掘家族样本的关联性和完成家族分类。最后,从5个来源构建包含2346个样本的数据集并用于反混淆实验和家族分类实验。实验结果表明,XLMRevealer的反混淆成功率达到71.3%,相比XLMMacroDeobfuscator和SYMBEXCEL工具分别提高了20.8%和15.8%;反混淆效率稳定,平均耗时仅为0.512 s。XLMRevealer对去混淆XLM代码的家族分类准确率高达94.88%,效果优于所有基线模型,有效体现Word和Token特征融合的优势。此外,为探索反混淆对家族分类的影响,并考虑不同家族使用的混淆技术可能有所不同,模型会识别到混淆技术的特征,分别对反混淆前和反混淆后再统一混淆的XLM代码进行实验,家族分类准确率为89.58%、53.61%,证明模型能够学习混淆技术特征,更验证了反混淆对家族分类极大的促进作用。

关键词：恶意宏文档 Excel 4.0宏反混淆家族分类