检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于引文共现层次采样的学术文献表示学习

情报学报 2024年第3期43卷 313-326页

作者：丁恒张静陈佳卓曹高辉华中师范大学信息管理学院武汉430079

有效进行学术文献特征表示,不仅可以提高学术文献的检索、分类和排序效率,还可以为用户提供更加智能、有效的文献推荐和个性化服务。受图书情报学领域引文邻近分析研究启发,本文基于自监督对比学习框架,提出了基于引文共现的层次采样算... 详细信息

有效进行学术文献特征表示,不仅可以提高学术文献的检索、分类和排序效率,还可以为用户提供更加智能、有效的文献推荐和个性化服务。受图书情报学领域引文邻近分析研究启发,本文基于自监督对比学习框架,提出了基于引文共现的层次采样算法,从结构化全文数据中挖掘文献间的潜在关联,构造自监督前置训练任务用于训练文献层级的学术文本表示模型,即CCHT(citation co-occurrence hierarchical transformer)。使用S2ORC数据集和SPEC‐TER训练集从句子共现、段落共现和章节共现层次来构造三元组集合,训练对应的模型,并用于论文分类、用户行为预测、引文预测和论文推荐四大SciDocs基准测试集任务。对于不同任务,本文采用了不同的评估指标。在论文分类任务中,使用F1值进行评估;在用户行为预测和引文预测任务中,使用nDCG(normalized discounted cumulative gain)和MAP(mean average precision)进行评估;在论文推荐任务中,使用P@1和nDCG进行评估。研究结果表明,①CCHT模型在SciDocs基准测试集中的性能优于其他基线模型,并且当固定正样本采样层次为句子共现时性能最佳;②基于引文层次共现进行困难负样本采样,易受噪声数据影响,导致模型性能出现逐步降低的趋势。

关键词：表示学习对比学习采样策略排序学习

融合异构网络表示学习与注意力机制的引文推荐研究

在线全文

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：张金柱孙雯雯仇蒙蒙南京理工大学经济管理学院

[目的]扩展涉及引文推荐的异构网络涵盖的节点及其关系，对其进行深层次语义表示，揭示不同关系对引文推荐的影响和差异，提高引文推荐效果。[方法]在引入语义链接构建异构网络的基础上，构建融合注意力机制的异构网络表示学习模型，生... 详细信息

[目的]扩展涉及引文推荐的异构网络涵盖的节点及其关系，对其进行深层次语义表示，揭示不同关系对引文推荐的影响和差异，提高引文推荐效果。[方法]在引入语义链接构建异构网络的基础上，构建融合注意力机制的异构网络表示学习模型，生成深层次的语义和结构表示，引入相似度指标实现引文推荐，并通过消融实验探索不同因素对引文推荐的影响程度。[结果]引入语义链接前后引文推荐模型AUC相对提升0.22；引入双层注意力机制前后AUC相对提升0.079；对比基线模型CR-HBNE，其AUC和AP两项指标分别提升0.185和0.204。[局限]手动选取关联路径不够高效；仅根据两项指标对推荐结果进行评价比较单一。[结论]本文提出的方法充分利用引文间的复杂关联和深层语义信息，有效提升引文推荐效果。

关键词：引文推荐异构网络表示学习注意力机制

基于前缀轨迹表示学习和注意力机制的业务流程绝对剩余时间预测方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机集成制造系统 2024年

作者：田银花庞孝文杨瑞敏韩咚王路杜玉越山东科技大学计算机科学与工程学院山东科技大学继续教育学院山东科技大学智能装备学院

剩余时间预测可以提升企业的风险应对能力，现有的预测方法存在轨迹刻画中语料库不丰富难以捕捉关键信息、应用的深度学习模型单一且通用性不足以及需要根据不同长度训练多个模型等问题。针对上述问题，提出一种基于前缀轨迹表示学习方... 详细信息

剩余时间预测可以提升企业的风险应对能力，现有的预测方法存在轨迹刻画中语料库不丰富难以捕捉关键信息、应用的深度学习模型单一且通用性不足以及需要根据不同长度训练多个模型等问题。针对上述问题，提出一种基于前缀轨迹表示学习方法和注意力机制的绝对剩余时间预测模型。首先，设计一种前缀轨迹表示学习方法获取表示向量，然后和注意力机制结合提出PTr-Transformer模型。最后，该模型在5个真实事件日志中进行实验，结果表明针对大规模数据集可以有效提升剩余时间预测精度，最高可提升8.3%。

关键词：剩余时间预测业务流程管理前缀轨迹注意力机制表示学习

知识图谱和表示学习在道路交通事故数据挖掘中的应用

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

安全与环境学报 2024年

作者：于德新彭万里吴新程陈云结刘晓佳集美大学航海学院

交通安全领域数据量庞大且蕴含丰富的语义信息，从海量道路交通事故数据中挖掘潜在的价值信息可为交通事故预防和智能研判提供支撑。然而，传统的事故分析方法在处理复杂且多语义交叉的事故数据时，存在一定的局限性。研究提出了一种基... 详细信息

交通安全领域数据量庞大且蕴含丰富的语义信息，从海量道路交通事故数据中挖掘潜在的价值信息可为交通事故预防和智能研判提供支撑。然而，传统的事故分析方法在处理复杂且多语义交叉的事故数据时，存在一定的局限性。研究提出了一种基于知识图谱和知识表示学习的事故数据挖掘方法。通过翻译距离嵌入（Translating Embedding，TransE）模型对道路交通事故知识图谱进行表示学习，将事故实体和致因关系映射到向量空间，并在向量匹配运算中捕捉向量之间的语义信息，进而挖掘潜在的交通事故信息。研究采用真实的事故数据进行试验验证，结果表明所提方法具有较高的准确率和较强的语义解析性能，可为道路交通事故碎片化信息的最大化利用提供新的方法和思路。

关键词：安全工程交通安全道路交通事故知识图谱表示学习数据挖掘与知识发现

JCapsR:一种联合胶囊神经网络的藏语知识图谱表示学习模型

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

中文信息学报 2024年第4期38卷 69-77页

作者：孙媛梁家亚陈安东赵小兵中央民族大学信息工程学院北京100081 国家语言资源监测与研究少数民族语言中心北京100081 民族语言智能分析与安全治理教育部重点实验室北京100081

知识图谱表示学习是自然语言处理的一项关键技术,现有的知识图谱表示研究主要集中在英语、汉语等语言,而低资源语言的知识图谱表示学习研究还处于探索阶段,如藏语。该文基于前期构建的藏语知识图谱,提出了一种联合胶囊神经网络(JCapsR)... 详细信息

知识图谱表示学习是自然语言处理的一项关键技术,现有的知识图谱表示研究主要集中在英语、汉语等语言,而低资源语言的知识图谱表示学习研究还处于探索阶段,如藏语。该文基于前期构建的藏语知识图谱,提出了一种联合胶囊神经网络(JCapsR)的藏语知识图谱表示学习模型。首先,我们使用TransR模型生成藏语知识图谱的结构化信息表示。其次,采用融合多头注意力和关系注意力的Transfomer模型表示藏语实体的文本描述信息。最后,采用JCapsR进一步提取三元组在知识图谱语义空间中的关系,将实体文本描述信息和结构化信息融合,得到藏语知识图谱的表示,相比基线系统,联合胶囊神经网络JCapsR模型提高了在藏语知识图谱上实体链接预测的性能,相关研究为其他低资源语言知识图谱表示学习的拓展优化提供了参考借鉴意义。

关键词：藏语知识图谱表示学习胶囊神经网络

面向关系特性建模的知识图谱表示学习研究综述

在线全文

学校读者我要写书评

暂无评论

计算机科学 2024年

作者：牛广林蔺震北京航空航天大学人工智能学院(人工智能研究院) 北京遥感设备研究所

知识图谱表示学习技术可以将符号化的知识图谱转换为实体和关系的数值化表示，进而有效结合各类深度学习模型以赋能知识增强的下游应用。相较于实体，关系充分体现了知识图谱中的语义信息，建模关系的各类特性对知识图谱表示学习的性能... 详细信息

知识图谱表示学习技术可以将符号化的知识图谱转换为实体和关系的数值化表示，进而有效结合各类深度学习模型以赋能知识增强的下游应用。相较于实体，关系充分体现了知识图谱中的语义信息，建模关系的各类特性对知识图谱表示学习的性能非常关键。首先，针对一对一、一对多、多对一和多对多的复杂映射特性，梳理基于关系感知映射的模型、基于特定表示空间的模型、基于张量分解的模型和基于神经网络的模型；接着，面向建模对称、反对称、逆反和组合特性的多种关系模式，总结基于改进张量分解的模型、基于改进关系感知映射的模型和基于旋转操作的模型；其次，面向建模实体间隐含的层次关系，介绍基于辅助信息的模型、基于双曲空间的模型和基于极坐标系的模型。最后，针对稀疏知识图谱和动态知识图谱等更加复杂的情况，从融合多模态信息的知识图谱表示学习、规则增强的关系模式建模和针对动态知识图谱表示学习的关系特性建模等思路，讨论该领域研究的未来发展方向。

关键词：知识图谱表示学习复杂映射关系关系模式层次关系

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于联合注意力机制的动态图表示学习模型

燕山大学学报 2024年

作者：程嘉诚仝凌云罗兴胡子健朱红国网江苏省电力有限公司南京供电分公司

动态图广泛存在于实际应用场景中,对其进行表示学习可以有效地应用于各种下游分析任务。动态图的拓扑结构和节点特征随时间不断演变,节点之间存在结构相关性和特征相关性。现有研究忽略了以上两种相关性对动态图表示学习的影响,针对这... 详细信息

动态图广泛存在于实际应用场景中,对其进行表示学习可以有效地应用于各种下游分析任务。动态图的拓扑结构和节点特征随时间不断演变,节点之间存在结构相关性和特征相关性。现有研究忽略了以上两种相关性对动态图表示学习的影响,针对这一问题,本文提出基于联合注意力机制的动态图表示学习模型(DyGRL-JAM),从动态拓扑结构中学习结构相关性,并结合特征相关性构造联合注意力,使用图张量卷积实现节点时空消息传递获得节点表示。在六个动态图数据上进行实验,结果表明DyGRL-JAM对动态图的表示学习能力优于当前先进方法。

关键词：注意力机制动态图表示学习张量计算

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于表示学习的告警数据流压缩算法

计算机应用与软件 2024年第7期41卷 34-41页

作者：阴振生陈佳王鹏汪卫复旦大学计算机科学技术学院上海200438

大型在线服务系统的告警数量巨大且关联关系复杂,运维人员进行故障诊断的难度较大。为此,提出一种基于表示学习的告警数据流压缩算法。该算法包含离线学习和在线压缩阶段:离线学习阶段,采用嵌入技术对告警内容的语义信息及服务组件的拓... 详细信息

大型在线服务系统的告警数量巨大且关联关系复杂,运维人员进行故障诊断的难度较大。为此,提出一种基于表示学习的告警数据流压缩算法。该算法包含离线学习和在线压缩阶段:离线学习阶段,采用嵌入技术对告警内容的语义信息及服务组件的拓扑信息进行表示学习;在线压缩阶段,采用流式聚类方法对表示学习得到的告警向量进行聚合并生成告警事件。在合成数据集与真实数据集上的实验表明,该算法的各项评价指标均优于已有算法,更能满足告警数据流压缩的实时性和有效性要求。

关键词：在线服务系统告警数据流压缩表示学习词嵌入图嵌入流式聚类

多粒度自适应嵌入融合的有向超图表示学习模型

在线全文

学校读者我要写书评

暂无评论

小型微型计算机系统 2024年

作者：马紫彤赵文博杨哲江苏省计算机信息处理技术重点实验室苏州大学计算机科学与技术学院

图表示学习能够挖掘图结构数据中蕴含的丰富信息，例如结构、关系信息等。近年，涌现了大量针对高阶、复杂图结构的表示学习研究，然而针对高阶有向超图结构的研究相对有限，且存在一定的局限性：现有方法无法同时提取有向超图的高阶性... 详细信息

图表示学习能够挖掘图结构数据中蕴含的丰富信息，例如结构、关系信息等。近年，涌现了大量针对高阶、复杂图结构的表示学习研究，然而针对高阶有向超图结构的研究相对有限，且存在一定的局限性：现有方法无法同时提取有向超图的高阶性和方向性，导致其失去了结构优势。同时，在图表示学习中，信息通过连接边实现信息传播，堆叠网络层数时容易产生过平滑问题。为解决上述问题，本文首先设计有效且能够在通用的有向超图结构中提取信息的卷积模块，在避免信息损失下有效地传递结构信息；其次采用自适应权重的嵌入融合机制，来缓解过平滑问题。在多个不同类型的数据集上的实验表明了有向超图表示学习模型的先进性，在分类任务上的准确率最高提升4.39%。

关键词：有向超图表示学习有向超图卷积自适应嵌入融合