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

基于神经网络的异构网络向量化表示方法

计算机科学 2017年第5期44卷 272-275页

作者：吴卫祖刘利群谢冬青广东海洋大学信息学院湛江524088 广州大学计算机科学与教育软件学院广州510006

当网络中存在不同类型的对象时,对象与对象之间的关系会变得多种多样,网络的结构也会变得更为复杂。针对网络的异构化问题,提出了一种基于神经网络的异构网络向量化表示方法。针对具有图片和文本两种类型对象的异构网络,采用多层次的卷... 详细信息

当网络中存在不同类型的对象时,对象与对象之间的关系会变得多种多样,网络的结构也会变得更为复杂。针对网络的异构化问题,提出了一种基于神经网络的异构网络向量化表示方法。针对具有图片和文本两种类型对象的异构网络,采用多层次的卷积网络将图片映射到一个潜在的特征空间,采用全连接的神经网络将文本对象也映射到相同的特征空间。在该特征空间内,图片与图片、文本与文本以及图片和文本之间的相似性采用相同的距离计算方法。在实验中,应用提出的方法进行异构网络的多种应用测试,结果表明提出的方法是有效的。

关键词：异构网络神经网络向量化表示嵌入式向量

一种基于域名请求伴随关系的恶意域名检测方法

在线全文

学校读者我要写书评

暂无评论

计算机研究与发展 2019年第6期56卷 1263-1274页

作者：彭成维云晓春张永铮李书豪中国科学院计算技术研究所北京100190 中国科学院大学北京100049 中国科学院信息工程研究所北京100093

恶意域名在网络非法攻击活动中承担重要的角色.恶意域名检测能够有效地减少攻击活动所带来的经济损失.提出CoDetector恶意域名检测模型,通过挖掘域名请求之间潜在的时空伴随关系进行恶意域名检测.研究发现域名请求之间存在彼此伴随关系... 详细信息

恶意域名在网络非法攻击活动中承担重要的角色.恶意域名检测能够有效地减少攻击活动所带来的经济损失.提出CoDetector恶意域名检测模型,通过挖掘域名请求之间潜在的时空伴随关系进行恶意域名检测.研究发现域名请求之间存在彼此伴随关系,而并非相互独立.因此,彼此伴随的域名之间存在紧密关联,偏向于同时是正常域名或恶意域名.1)利用域名请求的先后时间顺序对域名数据进行粗粒度的聚类操作,将彼此伴随出现的域名划分到同一簇中;2)采用嵌入学习构建映射函数,在保留域名伴随关系的同时将每一个域名投影成低维空间的特性向量;3)结合有标记的数据,训练恶意域名检测分类器,用于检测更多未知恶意域名.实验结果表明,CoDetector能够有效地检测恶意域名,具有91.64%检测精度和96.04%召回率.

关键词：域名请求请求伴随恶意域名时间序列切割向量化表示域名分类

在线全文

学校读者我要写书评

暂无评论

基于知识图谱的大学生职位推荐方法

辽宁大学学报（自然科学版） 2022年第2期49卷 107-115页

作者：徐红艳王碧莹冯勇王嵘冰辽宁大学信息学院辽宁沈阳110036

近年来,我国大学生的就业压力一直较大.我国经济的发展虽然创造出大量的职位,但应届大学生由于缺乏工作经验和社会阅历,面对大量的职位招聘时很难作出正确和理性的选择.为更好地推动大学生就业,本文提出了一种基于知识图谱的大学生职位... 详细信息

近年来,我国大学生的就业压力一直较大.我国经济的发展虽然创造出大量的职位,但应届大学生由于缺乏工作经验和社会阅历,面对大量的职位招聘时很难作出正确和理性的选择.为更好地推动大学生就业,本文提出了一种基于知识图谱的大学生职位推荐方法.该方法首先运用知识图谱技术构建职位知识图谱,使用图形数据库Neo4j完成知识的存储工作,通过将知识图谱中的实体与关系进行向量化表示,计算简历与职位描述间的相似度;然后通过用户对职位的行为矩阵计算得到职位间的相似度;最后将2种相似度进行融合,生成职位推荐列表.对比实验结果表明,本文所提方法在准确率和召回率等指标上均有显著提升,相较于主流职位推荐方法具有更高的精准度.

关键词：职位推荐知识图谱大学生就业向量化表示

基于深度学习的中文短文本分类算法研究与应用

在线全文

学校读者我要写书评

暂无评论

基于深度学习的中文短文本分类算法研究与应用

作者：杨晓山东师范大学

学位级别：硕士

互联网技术的广泛应用促使中国网民数量和网络普及率不断提升,由此产生了许多在线文本数据且数量呈指数级不断增加,从如此庞大的文本数据中挖掘出有效的信息对于医学咨询、酒店服务、影院上映、企业管理等多个行业的管理和服务起到了重... 详细信息

互联网技术的广泛应用促使中国网民数量和网络普及率不断提升,由此产生了许多在线文本数据且数量呈指数级不断增加,从如此庞大的文本数据中挖掘出有效的信息对于医学咨询、酒店服务、影院上映、企业管理等多个行业的管理和服务起到了重要作用,由此衍生出文本自动分类这一重要课题。文本分类的关键环节在于文本的向量化表示和分类模型的训练两个阶段。向量化表示方法包括基于空间的向量表示方法和分布式表示方法,传统的向量表示方法如one-hot、TF-IDF和向量空间模型容易造成维度爆炸、特征稀疏等问题,对词语的表示力度不强,更影响分类的效果。现今常用的是以word2vec为基础的各种改进文本嵌入算法,包括skip-gram算法和CBOW算法等,在一定程度上解决了此类问题。模型训练方面,机器学习方法的兴起大大提高了传统手工分类和词频分类的效率,对于解决大规模文本数据集的分类问题具有良好的效果。在深度学习算法从图像识别引入到自然语言处理任务后,其较强的学习能力使分类的准确率有较大幅度的提高。本文在分布式向量表示和深度学习的基础上加以改进,提出了融合的神经网络模型并在相应文本数据集上加以应用,具体研究内容如下:(1)在skip-gram算法的基础上,在分布式表示的训练过程中采用基于unigram分布的负采样方式,提高了模型收敛的速度和文本矩阵的表达效果。在卷积神经网络的基础上构建了融合的神经网络模型ARCNN。进入卷积层之前,采用双向长短期记忆网络从正向和反向两个方向提取文本的上下文信息,获取了全文的长期依赖性,经过卷积层提取特征向量后,以注意力机制代替池化层的最大池化方法,对输出的特征向量附以一定的权重,突出关键信息。最后将ARCNN模型与三个对照组在双标签的情感文本数据集和多标签的新闻文本数据集进行实验对比,第一组是传统的机器学习模型,第二组是单一的神经网络模型,第三组是其他融合的神经网络模型。实验证明神经网络模型效果要好于机器学习的模型,ARCNN模型融合利用了三种神经网络模型的优势,在两个数据集上的分类效果均有所提高。(2)在ARCNN模型的基础上,增加了语义关系,构建了双通道融合卷积神经网络模型SAARCNN。在通用领域通道采用ARCNN模型,在特定领域通道,首先采用二元操作将处理后的文本分成二元词组,然后通过设定的特征选择方法χ、χ*def(t)以及χ*log(def(t))选择前N的复合特征集和前N的子特征集组成输出特征集,采用特定领域的向量化表示方法进行文本嵌入,分类模型选取TextCNN模型进行学习和分类,两个通道在全连接层通过串联的方式进行连接。最后将SAARCNN模型在医学领域数据集上进行验证,结果表明在特定领域各个类别的文本集中F1值均有所提高。(3)将SAARCNN模型应用于医院网络咨询文本分类系统中,对患者在医院网站咨询的问题实现了自动分类,具有一定的现实意义。介绍了系统的模型训练流程和自动分类流程两大主体流程,对于两个流程所需要的文本收集模块、文本预处理模块、特征选择和向量化表示模块、模型训练模块、自动分类服务模块等五大模块详细阐述了其实现原理和相应流程,并实现了系统的应用。

关键词：中文短文本分类向量化表示卷积神经网络特征选择注意力机制

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于知识图谱的职位推荐系统的研究与实现

基于知识图谱的职位推荐系统的研究与实现

作者：王碧莹辽宁大学

学位级别：硕士

随着人类进入互联网时代,信息技术的高速发展带来网络信息量激增,急剧增长的网络信息导致严重的信息过载问题。为了有效地帮助用户在海量数据中获取自己感兴趣的信息,推荐系统应运而生并在各领域广泛应用。然而推荐系统的核心——推荐... 详细信息

随着人类进入互联网时代,信息技术的高速发展带来网络信息量激增,急剧增长的网络信息导致严重的信息过载问题。为了有效地帮助用户在海量数据中获取自己感兴趣的信息,推荐系统应运而生并在各领域广泛应用。然而推荐系统的核心——推荐技术因受数据稀疏性和冷启动等问题的影响在推荐准确度和推荐效率上远未达到用户的希望,因此在职位推荐领域也未能取得理想的效果。当前我国就业形势依然严峻,特别是新冠肺炎疫情的突发,增加了我国经济发展环境的不确定因素,给就业工作带来很多困难和不利影响,对于疫情形势下的高校毕业生来说,即快速又准确地从大量招聘数据中获取所需的职位信息成为困扰学生们的一大难题。因此,本文对知识图谱在职位推荐领域的推广与应用开展研究,提出一种基于知识图谱的职位推荐方法,并基于此方法开发了职位推荐系统,主要研究内容如下:本文提出了一种基于知识图谱的职位推荐方法。首先着重介绍了知识图谱的构建技术,通过将知识图谱的概念引入到求职招聘领域,对招聘领域知识特征进行分析,实现了实体和关系的划分;从而完成该求职招聘领域本体库的构建,继而抽取求职招聘领域的实体和关系,并用Neo4j完成知识的存储工作;通过将知识图谱中的实体与关系嵌入到低维稠密向量空间里,从而完成简历和职位信息中实体和关系的向量化表示,以此计算简历与职位之间的相似度;通过用户对职位的行为矩阵,得到职位的相似性。将两种职位相似度进行融合,生成职位融合相似度矩阵。以此矩阵为基础,计算出用户对职位库中所有职位的预测评分,根据预测评分生成职位推荐列表,并根据用户行为更新职位推荐列表,最终将推荐列表中排序靠前的职位信息推荐给用户以满足用户的求职需求。本文使用基于知识图谱的职位推荐方法开发了职位推荐系统。在对用户和市场进行充分调研的基础上,首先对系统进行需求分析,根据用户的需求完成本系统的概要设计;详细分析系统的每一个功能模块,并完成数据库的设计;最终用Neo4j将结构化的数据用图谱的形式展现出来,以此开发的系统可以最大程度满足用户的需求,并根据求职者的偏好推荐职位。最终实验结果表明,本文提出的基于知识图谱的职位推荐方法在准确率和召回率等指标上都有显著提升,推荐的职位精准度更高。基于此方法开发的系统能够更好地满足用户的期望,提升招聘平台的用户黏性,因此具有良好的应用前景。

关键词：知识图谱职位推荐 Neo4j 向量化表示融合相似度

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于知识图谱的专利知识检索研究

基于知识图谱的专利知识检索研究

作者：马国斌哈尔滨工业大学

学位级别：硕士

专利作为最能体现人类发明创造能力的知识载体,对制造企业的发展也起着至关重要的推动作用,一方面企业可以通过申请专利来保护自己的知识产权,另一方面企业通过对专利中所含知识的合理利用也能促进其自身的创新进程。随着人工智能技术... 详细信息

专利作为最能体现人类发明创造能力的知识载体,对制造企业的发展也起着至关重要的推动作用,一方面企业可以通过申请专利来保护自己的知识产权,另一方面企业通过对专利中所含知识的合理利用也能促进其自身的创新进程。随着人工智能技术的飞速发展,以及我国制造企业对其所拥有的知识进行智能化管理需求的增长,将二者结合起来对知识进行有效的管理和挖掘分析有着广阔的应用前景,目前,制造企业知识管理还没有将诸如自然语言处理等前沿的深度学习技术应用到知识的挖掘分析场景中,导致了知识的利用效率不高的问题。针对上述现状,本文尝试将知识图谱相关技术应用到制造企业所拥有的典型知识——专利文本的检索中,开展如下研究工作。为了将专利从文档细化为更小的结构化知识粒度以便于精细化的知识管理与应用,进行专利知识图谱构建研究。以机械制造企业所拥有的与发动机相关的专利文本作为数据来源,对专利知识图谱的本体层进行较为完善的定义;研究基于Bert的深度学习算法,对专利文本中的实体和实体之间的关系进行自动化抽取,利用客观标注的专利数据集验证算法,证明专利知识抽取的准确度。最后,利用抽取出来的知识构建专利知识图谱,实现专利的结构化建模。为了对构建起来的专利知识图谱进行可计算性处理,支持知识图谱的数字化应用效率,研究知识图谱向量化表示技术。分析现有TransE算法,针对其对术语实体表达能力不足的问题,提出融合词汇信息和实体类别信息的WTBT算法,用链接预测任务方法验证所提出算法的通用有效性,确保通用评价指标有一定的提升。利用较为直观的向量距离计算、向量可视化等方法,查找相似术语实体,最终验证本文算法所得向量对术语词汇具有有效语义表达能力。为改善现有专利检索系统单一的文本匹配模式,无法对输入的检索语句进行有机的扩展、限制了专利重用效率的问题,将检索语句的模式分类为包含单个实体或包含多个实体的情况,详细分析每种模式的检索意图,提出基于知识图谱的专利扩展检索模型（PEBKG）,针对不同检索模式,给出对应的扩展检索方案,并采用检索实例验证本文模型的有效性。本文的研究内容为专利文本的知识挖掘方法提供了一种新的思路,利用知识图谱这种图形结构化方法对专利文本进行解构,支持具有联想特性的智能检索需求,具有一定的创新性。在专利知识图谱的构建和应用方面也有一定的实用和借鉴意义。

关键词：知识图谱知识抽取向量化表示专利检索

基于文本分类与语义识别的电力运营数据智能处理

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

电子设计工程 2023年第9期31卷 104-108页

作者：马行星左军辉池俊国网新疆营销服务中心新疆乌鲁木齐830017

针对当前电力运营数据分析和利用不足的现状,提出一种基于文本分类与语义识别的电力运营数据智能处理算法。该算法采用剔除异常文本、分词以及去停顿词等操作进行电力运营文本清洗,再使用连续词袋(CBOW)模型实现电力运营文本的向量化表... 详细信息

针对当前电力运营数据分析和利用不足的现状,提出一种基于文本分类与语义识别的电力运营数据智能处理算法。该算法采用剔除异常文本、分词以及去停顿词等操作进行电力运营文本清洗,再使用连续词袋(CBOW)模型实现电力运营文本的向量化表示。同时利用Apriori算法挖掘电力运营文本向量与文本分类结果的关联规则,并基于小批量梯度下降(MBGD)的长短期记忆网络(LSTM)算法来获取电力运营文本分类的结果。通过对新疆电网某历史数据的仿真分析结果表明,文中所提算法相较于LSTM与Apriori-SVM算法,在电力运营文本分类上具有更高的准确率;且与传统梯度下降法相比,MBGD算法能够在保持较高准确率的同时大幅缩减模型的训练时间。

关键词：文本挖掘 Apriori 向量化表示长短期记忆网络

基于机器学习的分子空腔模式分析及可视化研究

在线全文

学校读者我要写书评

暂无评论

基于机器学习的分子空腔模式分析及可视化研究

作者：王巧巧燕山大学

学位级别：硕士

蛋白质中存在的分子空腔对蛋白质的功能有极为重要的影响,因此对分子空腔的研究也是蛋白质结构与功能研究的重要组成成分。蛋白质中分子空腔的变化会给蛋白质的结构带来影响,蛋白质的功能又与蛋白质的结构息息相关。因此对分子空腔的变... 详细信息

蛋白质中存在的分子空腔对蛋白质的功能有极为重要的影响,因此对分子空腔的研究也是蛋白质结构与功能研究的重要组成成分。蛋白质中分子空腔的变化会给蛋白质的结构带来影响,蛋白质的功能又与蛋白质的结构息息相关。因此对分子空腔的变化模式以及影响其变化的因素的研究具有重要意义。本文根据分子空腔数据变化复杂、数据量大的特点,对分子空腔的表示形式,分子空腔间相似性比较方法进行探索。并基于此对分子空腔的变化模式进行了分析,主要研究内容如下。首先,对分子空腔数据进行预处理,从原始分子空腔数据中提取出分子空腔序列。将存储在蛋白质分子数据中的分子空腔数据转化为能为计算机能易处理的分子空腔序列数据。这种表示法能够保留分子空腔的拓扑结构信息,而且能够便于对其进行对比分析等处理。其次,在分子空腔序列化表示方法的基础上,提出一种基于动态时间规整算法的分子空腔序列相似度计算算法,即DTW-CS算法。再次,参照自然语言处理中文本相似度的计算方法,提出一种基于word2vec模型的分子空腔向量化表示方法。在训练好的分子空腔向量化表示的基础上利用机器学习相关算法对分子空腔的变化进行深入的研究与分析。最后,在真实的数据集上进行实验验证。实验结果表明,本文方法所提出的方法有助于对分子空腔变化模式的分析。

关键词：分子空腔相似性对比动态时间规整向量化表示可视化

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于LSTM的恶意URL检测研究

基于LSTM的恶意URL检测研究

作者：刘煜华中师范大学

学位级别：硕士

随着通信技术的飞速发展,计算机技术与通信技术相结合而产生的互联网技术的发展以及全面普及。以网络作为应用的服务、信息的开放、信息资源与数据共享等服务日渐深入社会的各个角落,日益广泛应用于生活的点点滴滴之中。如今全球范围内... 详细信息

随着通信技术的飞速发展,计算机技术与通信技术相结合而产生的互联网技术的发展以及全面普及。以网络作为应用的服务、信息的开放、信息资源与数据共享等服务日渐深入社会的各个角落,日益广泛应用于生活的点点滴滴之中。如今全球范围内爆发的信息革命、机器学习、神经网络迅速发展。但是,于此同时,网络安全问题的情况也已经开始逐渐的复杂起来。可以认为,网络信息的安全与否,对于个人的安全,个人隐私的保障、社会稳定的发展都是非常有必要关心、关注和研究的前提条件。人们的生活离不开网络,但是网络开放、共享同时安全,是人类更好的利用网络的必要条件。因此,网络的资源管理与网络应用的安全,网络信息的维护就都已经成为当前计算机领域科学研究的一个非常重大的课题。借鉴文本分类算法,利用到恶意URL识别上,将会很有利的增强web安全。机器学习算法的恶意URL识别技术相较基于规则的识别技术,识别范围更广、所需资源更少。或许机器学习算法的恶意URL识别技术将为web安全中的防守端带来全新的突破。文章介绍研究背景、现状、目的、意义。对当前恶意URL攻击与识别现状进行了分析,接着通过Doc2Vec算法、LSTM算法的启发,优缺点分析,提出了URL2Vec-LSTM-Attention神经网络架构用于识别恶意URL。最后通过实验,将我们的神经网络架构与未使用URL2Vec向量化算法,以及不具有注意力机制(或称Attention机制)的神经网络进行对比,结果显示,我们的URL2Vec-LSTM-Attention神经网络对恶意URL有更加好的识别率。

关键词：统一资源定位符长短期记忆网络注意力机制向量化表示