检索结果-南通市图书馆

从粗粒度到细粒度的神经机器翻译系统推断加速方法

在线全文

学校读者我要写书评

暂无评论

厦门大学学报（自然科学版） 2020年第2期59卷 175-184页

作者：张裕浩许诺李垠桥肖桐朱靖波东北大学自然语言处理实验室辽宁沈阳110819 沈阳雅译网络技术有限公司辽宁沈阳110004

近年来,Transformer模型中多层注意力网络的使用有效提升了翻译模型的译文质量,但同时大量注意力操作的使用也导致模型整体的推断效率相对较低.基于此,提出了从粗粒度到细粒度(coarse-to-fine,CTF)的方法,根据注意力权重中的信息量差异... 详细信息

近年来,Transformer模型中多层注意力网络的使用有效提升了翻译模型的译文质量,但同时大量注意力操作的使用也导致模型整体的推断效率相对较低.基于此,提出了从粗粒度到细粒度(coarse-to-fine,CTF)的方法,根据注意力权重中的信息量差异对信息表示进行细粒度压缩,最终达到加速推断的目的.实验发现,在NIST中英和WMT英德翻译任务上,该方法在保证模型性能的同时,推断速度分别提升了13.9%和12.8%.此外,还进一步分析了注意力操作在不同表示粒度下的信息量差异,对该方法的合理性提供支持.

关键词：神经机器翻译模型加速从粗粒度到细粒度

在线全文

学校读者我要写书评

暂无评论

基于排序学习的微博用户推荐

中文信息学报 2013年第4期27卷 96-102页

作者：彭泽环孙乐韩先培石贝中国科学院软件研究所基础软件中心北京100190

该文在分析总结影响微博用户推荐的四大类信息,包括用户的内容信息、个人信息、交互信息和社交拓扑信息的基础上,提出一个基于排序学习的微博用户推荐框架,排序学习的本质是用机器学习中的分类或回归方法解决排序问题,该框架可以综合各... 详细信息

该文在分析总结影响微博用户推荐的四大类信息,包括用户的内容信息、个人信息、交互信息和社交拓扑信息的基础上,提出一个基于排序学习的微博用户推荐框架,排序学习的本质是用机器学习中的分类或回归方法解决排序问题,该框架可以综合各类信息特征进行用户推荐。实验结果表明:(1)融合多个特征综合推荐通常可以取得更好的推荐效果;(2)基于用户个人信息、交互信息、社交拓扑信息的推荐效果均好于基于用户内容的推荐效果。

关键词：排序学习用户推荐微博

在线全文

学校读者我要写书评

暂无评论

物联网安全问题技术分析

无线互联科技 2013年第4期10卷 33-34页

作者：魏震李胜东廊坊燕京职业技术学院河北三河065200

物联网的安全直接关系到物联网服务能否得到真正的实际推广应用,从物联网的两种安全技术出发,分析了物联网安全机制与普通移动通信网络安全机制的区别,讨论了物联网安全的特殊需求。

关键词：物联网安全技术

在线全文

学校读者我要写书评

暂无评论

基于路径分析和关系描述的知识图谱补全方法

科学技术与工程 2021年第12期21卷 4999-5004页

作者：佟强刘旭红陈雨婷陈玉立北京信息科技大学数据与科学情报分析实验室北京100101 北京信息科技大学网络文化与数字传播北京市重点实验室北京100101 北京信息科技大学北大方正集团有限公司数字出版技术国家重点实验室北京100101

面对相对复杂的互联网信息,知识图谱能够将其表达成更加便于理解的形式,通过可视化技术加以显示并提供有价值的参考。但伴随数据实体及实体关系的快速扩增,知识图谱的稀疏性和连通性不足等问题日趋凸显。提出一种基于路径分析和关系描... 详细信息

面对相对复杂的互联网信息,知识图谱能够将其表达成更加便于理解的形式,通过可视化技术加以显示并提供有价值的参考。但伴随数据实体及实体关系的快速扩增,知识图谱的稀疏性和连通性不足等问题日趋凸显。提出一种基于路径分析和关系描述的知识图谱补全方法,并以泛娱乐领域相关数据为例,对该方法的有效性进行验证。构建基于泛娱乐知识特点的泛娱乐领域知识图谱,并在该知识图谱上进行验证实验。实验结果表明,提出的方法能够很好地推理出知识图谱中的隐含与遗漏路径,有效地实现知识图谱补全,从而发现具有丰富价值的隐含知识。

关键词：知识图谱补全情报获取知识表示推理路径分析

在线全文

学校读者我要写书评

暂无评论

基于显著点切片的三维模型检索

微电子学与计算机 2015年第8期32卷 1-6,11页

作者：霍磊吕学强李卓张凯北京信息科技大学网络文化与数字传播北京市重点实验室北京100101 北京市朝阳区市政市容管理委员会北京100021

提出了使用模型显著点进行切片的方法以及基于点分布和Zernike矩的融合特征提取方法.首先在模型三个方向均匀设定截取平面,然后根据三维模型表面顶点的曲率特性,确定显著点,对截取平面进行更新,获取切片.对得到的切片序列,提取点分布特... 详细信息

提出了使用模型显著点进行切片的方法以及基于点分布和Zernike矩的融合特征提取方法.首先在模型三个方向均匀设定截取平面,然后根据三维模型表面顶点的曲率特性,确定显著点,对截取平面进行更新,获取切片.对得到的切片序列,提取点分布特征和Zernike矩特征,并根据切片包围盒大小确定两个特征的权重.实验结果表明,通过所提出的方法获取到的切片序列能较好地描述模型特征,融合后的特征能有效提高三维模型的查准率.

关键词：三维模型检索显著点切片点分布特征 Zernike矩融合特征

在线全文

学校读者我要写书评

暂无评论

ODQ文档模型和语法的扁平化处理

计算机应用研究 2015年第6期32卷 1747-1750页

作者：凌峰刘旭红田英爱李宁北京信息科技大学计算机学院北京100192

ODQ是一种面向流式办公文档的查询语言。为了提高ODQ的查询效率并降低使用难度,提出了一种将ODQ文档模型和语法进行扁平化处理的方法。首先将ODQ文档模型由传统树型结构转换成多线性结构,减少文档模型的层次;其次,在语法中设置特定关键... 详细信息

ODQ是一种面向流式办公文档的查询语言。为了提高ODQ的查询效率并降低使用难度,提出了一种将ODQ文档模型和语法进行扁平化处理的方法。首先将ODQ文档模型由传统树型结构转换成多线性结构,减少文档模型的层次;其次,在语法中设置特定关键字,将文档模型中的各层次连接起来,形成一条可以直接访问目标数据的路径。实验结果表明,扁平化处理可以使查询效率得到提高,并简化查询操作。

关键词：文档查询语言文档格式扁平化文档模型语法

在线全文

学校读者我要写书评

暂无评论

隐私保护中基于相似度的有损连接方法研究

计算机应用与软件 2012年第11期29卷 123-125,242页

作者：李清华康海燕苑晓姣任俊玲北京信息科技大学计算机学院北京100192 北京信息科技大学网络文化与数字传播北京市重点实验室北京100192 北京信息科技大学信息管理学院北京100192

在数据发布中的隐私保护研究中,实现有损连接的方法主要有基于匿名模型方法和基于贪心策略的(α,k)匿名聚类方法。针对基于匿名模型方法存在的效率低以及基于贪心策略的(α,k)匿名聚类方法得到数据有效性差等不足,提出基于相似度的有损... 详细信息

在数据发布中的隐私保护研究中,实现有损连接的方法主要有基于匿名模型方法和基于贪心策略的(α,k)匿名聚类方法。针对基于匿名模型方法存在的效率低以及基于贪心策略的(α,k)匿名聚类方法得到数据有效性差等不足,提出基于相似度的有损连接方法,该方法根据发布数据之间的相似性聚类得到有损连接的结果,解决了目前有损连接方法所存在的效率以及准确率问题。实验结果表明,该方法能够有效实现发布数据的隐私保护。

关键词：有损连接相似性隐私保护 (α,k)匿名

在线全文

学校读者我要写书评

暂无评论

融合词义信息的中文短语句法分析

计算机应用 2014年第4期34卷 1109-1113,1154页

作者：耿立飞李红莲吕学强吴云芳北京信息科技大学信息与通信工程学院北京100101 网络文化与数字传播北京市重点实验室(北京信息科技大学) 北京100101 北京大学计算语言学研究所北京100871

针对目前融合词义信息的短语句法分析过程中,多义词词义消歧较差的问题,提出一种基于词性消歧的中文短语句法分析方法。首先构建具有词性信息的同义词字典;然后对训练集和测试集中的词语进行词义替换,利用多义词的词性区分其不同的词义... 详细信息

针对目前融合词义信息的短语句法分析过程中,多义词词义消歧较差的问题,提出一种基于词性消歧的中文短语句法分析方法。首先构建具有词性信息的同义词字典;然后对训练集和测试集中的词语进行词义替换,利用多义词的词性区分其不同的词义。在宾州中文树库(CTB)的实验结果表明,正确率为80.30%,召回率为78.12%,F值为79.19%。相对于没有进行词性消歧的系统,该方法有效提高了短语句法分析的性能。

关键词：汉语句法分析同义词词林知网一词多义词义消歧

在线全文

学校读者我要写书评

暂无评论

基于残差融合的时序数据离群点检测算法

科学技术与工程 2019年第19期19卷 180-184页

作者：李倩倩赵晓永牟永敏北京信息科技大学计算机学院北京100192 北京信息科技大学信息管理学院北京100192

物联网的快速发展产生了海量的高维时序数据,然而时间序列易受到外界变化的环境因素影响而产生离群点。针对现有的离群点挖掘算法不能兼顾时序数据的趋势性、季节性、循环性、不规则性的特点,从而导致检测效果不理想的问题,提出一种基... 详细信息

物联网的快速发展产生了海量的高维时序数据,然而时间序列易受到外界变化的环境因素影响而产生离群点。针对现有的离群点挖掘算法不能兼顾时序数据的趋势性、季节性、循环性、不规则性的特点,从而导致检测效果不理想的问题,提出一种基于残差融合的时序数据离群挖掘(residual integration outlier,RIO)算法。首先利用线性自回归移动平均模型(autoregressive integrated moving average model,ARIMA)拟合数据,得到在相同时间粒度下的残差序列,并将该序列作为非线性模型长短期记忆网络(long short-term memory,LSTM)模型的输入,输出残差序列预测值,而后将经由ARIMA模型与LSTM模型处理的序列在相同时间粒度下融合,得到一条经由混合模型两次处理的残差序列。最后,利用基于直方图的离群点模型(histogram-based outlier score,HBOS)检测出该二次残差序列的离群点。实验表明,RIO算法的准确度得到了较为明显的提高,具备良好的实用价值。

关键词：时序数据自回归移动平均模型长短期记忆网络残差融合离群点