检索结果-南通市图书馆

作者：陈非凡北京交通大学

学位级别：硕士

在智能交通领域,城市路况预测问题是一个重要的研究课题之一,引起了学术界和工业界的广泛关注。城市路况预测的难点在于影响城市路况的因素繁多,且自身变化模式复杂,用传统的统计学方法难以有效建模数据中的相关性并准确捕获路况变化的... 详细信息

在智能交通领域,城市路况预测问题是一个重要的研究课题之一,引起了学术界和工业界的广泛关注。城市路况预测的难点在于影响城市路况的因素繁多,且自身变化模式复杂,用传统的统计学方法难以有效建模数据中的相关性并准确捕获路况变化的规律。随着人工智能技术的发展,学术界涌现了许多针对路况预测任务的深度学习方法,都取得了较好的效果,但由于城市交通的时空关系复杂,现有方法仍有不少提升的空间。因此,本文探索性地融合了城市区域和道路两个粒度级的路况特征,结合多种外部影响因素对城市路况进行建模,以预测短期内的城市道路交通状况。首先,针对城市道路结构复杂导致的道路时空相关性难以建模的问题,提出了一种多粒度信息融合的卷积循环神经网络(Multiple Granularities Convolution Re current Neural Networks,MGCRN)。模型共包含两个主要模块,一个是基于道路级别的预测模块——时空动态图神经网络(Spatial-Temporal Dynamic Graph Neura l Networks,STDGNN),在时间维度上利用循环神经网络学习具有历史信息的高维特征,并从历史特征中自适应地学习道路节点的邻接矩阵,输入到图卷积层,得到道路的预测输出。另一个模块是基于区域级别的预测模块——区域卷积循环网络(Grid Convolutional Recurrent Neural Networks,GCRN),利用卷积操作建模城市区域之间的路况变化模式,利用循环神经网络获取预测时刻的路况与历史路况之间的关联。最后将两个模块进行融合得到道路路况预测结果。其次,为了进一步提升模型预测效果,提出了多粒度信息动态融合的卷积循环神经网络(Multiple Granularities Dynamic Convolution Recurrent Neural Network s,MGDCRN)。MGDCRN针对MGCRN模型的多个模块进行了优化改进。在S TDGNN模块中增加了历史周期图,用于提升道路级别预测能力,在GCRN模块中添加了历史周期信息和功能区特征嵌入,以获取更加明确的宏观语义信息。此外,将融合机制改进为动态的反投影机制,从而使得道路可以自适应地从区域路况中提取相关信息。最后,在滴滴出行提供的成都市公开数据集中进行了大量实验。实验结果表明了MGCRN模型在该数据集上的表现较好,而改进后的MGDCRN模型进一步提升了预测性能。这说明本文提出的模型在城市路况预测任务中可以很好的建模城市复杂的道路交通变化模式,从而得到较为准确的预测结果。

关键词：时空数据挖掘城市路况预测多粒度信息融合注意力机制

来源：

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

融合多粒度信息的用户画像生成方法

引用

计算机应用研究 2024年第2期41卷 401-407页

作者：邵一博秦玉华崔永军高宝勇赵彪青岛科技大学信息科学技术学院山东青岛266061 康复大学青岛医院青岛市市立医院山东青岛266001

现有用户画像方法缺乏不同粒度文本信息表示,且特征提取阶段存在噪声,导致构建画像不够准确。针对以上问题,提出一种融合多粒度信息的用户画像生成方法(user profile based on multi-granularity information fusion,UP-MGIF)。首先,该... 详细信息

现有用户画像方法缺乏不同粒度文本信息表示,且特征提取阶段存在噪声,导致构建画像不够准确。针对以上问题,提出一种融合多粒度信息的用户画像生成方法(user profile based on multi-granularity information fusion,UP-MGIF)。首先,该方法在嵌入层融合字粒度、词粒度表示向量以扩充特征内容;其次,在改进双向门控循环单元网络基础上,结合降噪自编码器和注意力机制设计一种特征提取混合模型Bi-GRU-DAE-Attention,实现特征降噪和语义增强;最后,将鲁棒性强的特征向量输入到分类器中实现用户画像生成。实验表明,该用户画像生成方法在医疗和互联网两个画像数据集上的分类准确率高于其他基线方法,并通过消融实验验证了各个模块的有效性。

关键词：用户画像多粒度信息融合特征提取双向控制循环单元

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于多粒度信息融合的带属性多重异质网络表示学习

基于多粒度信息融合的带属性多重异质网络表示学习

引用

作者：陈珂重庆邮电大学

学位级别：硕士

随着大数据时代的到来,海量信息喷涌而出,现实生活中的网络信息规模不断扩张。如今在网络中已经涌现出纷繁复杂的节点类型,以及复杂多样的关系类型,甚至伴随出现了节点或关系的附属属性信息,此类异质网络给网络分析带来了挑战。异质网... 详细信息

随着大数据时代的到来,海量信息喷涌而出,现实生活中的网络信息规模不断扩张。如今在网络中已经涌现出纷繁复杂的节点类型,以及复杂多样的关系类型,甚至伴随出现了节点或关系的附属属性信息,此类异质网络给网络分析带来了挑战。异质网络表示学习的目的是在最大程度上保留网络拓扑结构信息以及丰富语义信息的情况下,将节点嵌入到低维向量空间中,并通过一系列下游验证任务来验证节点表示的准确性。近年来,异质信息网络表示学习领域中层出不穷的表示学习方法,在信息融合过程中,很少考虑融合节点附属属性信息之间的关联性带来的影响,使得在属性融合过程中引入过多噪声信息,从而降低节点的表示能力。并且,相关研究工作中没有针对于网络中的不同语义关系设计个性化融合函数,大多采用统一的模型对异质网络进行训练,忽视了网络的多样性和复杂性。为了解决以上问题,本文的主要研究工作内容如下:1.提出了基于多粒度信息融合的带属性多重异质网络表示学习算法MGRL。该算法首次提出方差权重的概念,在细粒度的信息融合过程中,采用方差权重的思想为不同属性分配不同大小的权重值,消除了不区分属性重要度进行统一融合而引入大量噪声的弊端。其次,在粗粒度信息融合上,为不同语义关系的信息融合设计了不同的个性化融合函数,在最大程度上提高了节点表示对丰富的语义信息的表示能力。2.提出了基于多视图信息融合的异质图神经网络表示学习算法MVRL。为了解决当前领域中对网络的研究仅仅局限于单一视角的问题,该算法从更加全面的视角将原始网络拆分成多种视图下的子网络,并分别对不同视图下的子网络进行表示学习。同时,为了解决不同视图下子网络在信息融合过程中的非平衡性,本文提出了多视图方差权重的思想,对多个视图分配各自合理且可解释的权重值,以此来避免冗余视图信息的融合,从而起到增强节点表示能力的作用。

关键词：网络表示学习方差权重多粒度信息融合个性化融合模型带属性多重异质信息网络

来源：

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

基于多粒度信息融合的气象知识命名实体识别

引用

计算机与数字工程 2023年第1期51卷 186-193页

作者：姚元杰龚毅光刘佳陈嫚丽南京信息工程大学自动化学院南京210044

气象与人们的生活息息相关,运用命名实体识别算法抽取相关实体信息,对于构建知识图谱、问答系统等具有重要意义。由于气象科普知识存在大量专业词汇,普通的实体识别模型并不能很好完成识别任务。为此,论文构建了气象科普知识数据集,并... 详细信息

气象与人们的生活息息相关,运用命名实体识别算法抽取相关实体信息,对于构建知识图谱、问答系统等具有重要意义。由于气象科普知识存在大量专业词汇,普通的实体识别模型并不能很好完成识别任务。为此,论文构建了气象科普知识数据集,并提出了基于多粒度信息融合的气象科普知识命名实体识别模型MGTNER的算法。模型利用预训练模型、SoftLexicon结构的BiLSTM网络和键值记忆网络从数据集中以不同粒度提取语义特征信息,取得了很好的实体识别效果。在对气象科普知识数据集和公开Resume数据集实施的命名实体识别实验中,与几种基线模型进行了比较,结果表明论文提出的模型具有更好的识别效果。

关键词：气象科普命名实体识别多粒度信息融合记忆网络深度学习

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

多粒度融合及知识增强的多文档摘要生成研究

多粒度融合及知识增强的多文档摘要生成研究

引用

作者：唐嘉蕊东北林业大学

学位级别：硕士

随着互联网的发展,大量重复信息涌现,导致用户利用智能设备浏览海量信息时无法快速准确的捕捉到关键信息。为了使用户能够在短时间内获取每篇文章中的关键信息以及整合多篇文档中的共同信息,多文档摘要生成技术的研究和发展显得至关重... 详细信息

随着互联网的发展,大量重复信息涌现,导致用户利用智能设备浏览海量信息时无法快速准确的捕捉到关键信息。为了使用户能够在短时间内获取每篇文章中的关键信息以及整合多篇文档中的共同信息,多文档摘要生成技术的研究和发展显得至关重要。针对多文档摘要生成技术,现有的大多数基于神经网络的模型考虑了文本的上下文语义信息问题,但没有考虑到获得更深层多粒度的语义信息以及生成式文本的事实一致性问题;同时,现有的生成式摘要模型缺少对生成文本的约束和控制,不能满足用户对生成文本的条件需要。为了解决以上提到的问题,本文的主要研究内容包括:(1)本文针对多文档摘要中存在的生成文本的事实不一致的问题,提出一个基于实体信息增强及多粒度融合的神经网络模型。在预训练阶段通过加入外部知识图与多文档文本进行实体信息融合,从而使原文本获得外部实体知识增强以获得更丰富的语义表征。并且针对现有的基于神经网络的模型没有考虑到更深层语义信息的问题,本文提出的方法在词、实体以及句子三个粒度方面挖掘更深层次的语义信息,从而获得文本的多层次的隐含表达。通过实验验证其有效提升了多文档摘要模型的性能以及生成文本的流畅度、信息量和忠实度,同时也验证了加入外部知识的策略可提升生成式模型的事实一致性。(2)为了进一步解决生成式多文档摘要中缺少对生成文本的约束和控制问题,本文提出了一个基于知识嵌入及实体控制的条件文本生成模型。在先前模型的基础上,在解码阶段加入实体作为控制信号来指导条件文本生成器的摘要输出,实体作为控制条件指导词生成概率,从而实现了对生成式文本的实体粒度上的可控生成。并且为了改善外部知识三元组注入会产生句子含义偏移而引起的知识噪声问题,本文采用K-BERT中基于软位置编码和可见矩阵的方法,通过控制不同节点注入的知识三元组之间互相不可见从而解决知识噪声问题。最终通过实验验证了本文所提出的控制信号引导生成的方法对于生成式摘要模型性能的有效提升及可行性。

关键词：生成式多文档摘要多粒度信息融合可控文本生成知识增强

来源：

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

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：