检索结果-南通市图书馆

基于认知框架的多维融合作文拟人辞格自动识别方法

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：张凯吕学强首都师范大学中国语言智能研究中心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

[目的]以ChatGPT为代表的语言模型，在中文情感、辞格识别及生成任务中仍存在不足。本文以拟人为无标范畴的辞格代表，探索多维融合的识别策略，对中文修辞计算具有借鉴意义。[方法]本文依据依存句法理论，通过认知框架构建拟人辞格生... 详细信息

[目的]以ChatGPT为代表的语言模型，在中文情感、辞格识别及生成任务中仍存在不足。本文以拟人为无标范畴的辞格代表，探索多维融合的识别策略，对中文修辞计算具有借鉴意义。[方法]本文依据依存句法理论，通过认知框架构建拟人辞格生成与理解认知模型，提出一种多特征融合的拟人辞格自动识别算法（WPGBA），该方法对修辞文本的词向量、语法向量、词性向量、上下文语义等多维特征分别表征与融合，使用K12阶段语文教材作为实验数据。[结果]通过WPGBA网络完成自动识别模型训练，实验显示该方法在进行识别实验中准确率达到90.40%，召回率87.58%，F1值88.65%，相较实验组其他方法准确率最少6.2%的提升。[局限]在进行篇章阅读理解、语言能力评测等实际应用时会出现新的复杂句，因为实验数据集规模有限，算法泛化能力受到制约。[结论]从认知角度出发设计的表意特征与上下文语义特征融合策略，对无标范畴中拟人辞格具有较好识别效果。

关键词：认知框架理论辞格识别拟人生成与识别模型修辞计算

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

一种抑制封装中电源噪声的新型电磁带隙结构

北京信息科技大学学报（自然科学版） 2024年第1期39卷 1-6页

作者：李津缪旻北京信息科技大学信息与通信系统信息产业部重点实验室北京100101 北京信息科技大学光电测试技术及仪器教育部重点实验室北京100101 北京信息科技大学智能芯片与网络研究中心北京100101

面向高密度集成系统级封装中同步开关噪声引起的电源完整性问题,设计了一种新型电磁带隙结构。该结构由互补开口谐振环单元结构和类L-bridge型的单元间连桥结构形成,刻蚀缝隙以降低贴片的有效电容,增大连桥长宽比以增加贴片的有效电感... 详细信息

面向高密度集成系统级封装中同步开关噪声引起的电源完整性问题,设计了一种新型电磁带隙结构。该结构由互补开口谐振环单元结构和类L-bridge型的单元间连桥结构形成,刻蚀缝隙以降低贴片的有效电容,增大连桥长宽比以增加贴片的有效电感。采用电磁全波仿真软件HFSS对所提出结构进行建模与仿真。仿真结果表明,以抑制深度-40 dB为标准,能够达到12.9 GHz的超宽禁带,明显优于常规电磁带隙结构,可以更好地抑制同步开关噪声。

关键词：系统级封装同步开关噪声电源完整性电磁带隙结构

在线全文

学校读者我要写书评

暂无评论

聚类标注和多粒度特征融合的基金新闻分类

小型微型计算机系统 2024年第2期45卷 257-264页

作者：胡菊香吕学强游新冬周建设首都师范大学中国语言智能研究中心北京100048 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

针对人工标注类别耗时耗力、效率低,以及现有文本分类方法忽略词语、句子之间关系,未对文本分类关键特征赋予更高权重等问题,提出了一种基于聚类加权标注和多粒度特征融合的基金新闻分类方法.基于聚类加权的类别标注算法将K-Means和DBS... 详细信息

针对人工标注类别耗时耗力、效率低,以及现有文本分类方法忽略词语、句子之间关系,未对文本分类关键特征赋予更高权重等问题,提出了一种基于聚类加权标注和多粒度特征融合的基金新闻分类方法.基于聚类加权的类别标注算法将K-Means和DBSCAN的聚类结果进行加权计算并自动标注基金文本数据,辅以少量人工校对,为后续基金新闻分类提供数据支撑.多粒度特征融合的分类算法首先从词粒度出发构建停用词表、扩展词典;其次从句粒度出发抽取新闻摘要,捕捉更具有语义关联的文本信息;最后将多头注意力机制嵌入BERT模型,对关键特征赋予更高权重,以提高分类的准确性.本文从多个角度进行了充分地实验,该方法具有高效的处理能力和有效性,其分类精确率可达到95.21%,优于现有方法.

关键词：多粒度特征融合文本分类深度学习

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

融合灰度和深度特征的钢管表面缺陷检测方法

机械工程学报 2024年

作者：石杰吴昆鹏杨朝霖邓能辉王少聪苏成北京科技大学高效轧制与智能制造国家工程研究中心北京科技大学国家板带生产先进装备工程技术研究中心

无缝钢管的表面缺陷检测与量化对于质量判定至关重要。然而，现有的检测方法主要依赖于灰度图像分析，缺乏对缺陷深度的综合判断，因此检测结果往往片面且不准确。为解决该问题，设计采用3D相机采集钢管表面的数据，能够同步获取到具备... 详细信息

无缝钢管的表面缺陷检测与量化对于质量判定至关重要。然而，现有的检测方法主要依赖于灰度图像分析，缺乏对缺陷深度的综合判断，因此检测结果往往片面且不准确。为解决该问题，设计采用3D相机采集钢管表面的数据，能够同步获取到具备相同尺寸的灰度图像和点云数据，通过对点云数据的处理，可以计算出缺陷相对于基准表面的深度，并进一步量化得到伪彩色深度图像，能够直观地展示缺陷的深度信息。为了提升缺陷检测能力，在Yolov5模型的基础上添加了双边网络结构，将灰度图像和伪彩色深度图像分别输入到细节分支和语义分支中提取特征，融合两分支的数据得到新的中间特征用于目标检测。试验结果表明，利用相对深度测量方法生成的伪彩色深度图像可以有效地消除抖动、扭转等情况的干扰，深度测量误差小于0.1 mm。此外，与传统的灰度图像检测模式相比，添加了双边网络结构的Yolov5模型在m AP指标上提升了4.7%，并且以108fps的速率满足了实时检测的要求。最终在缺陷定性分析的基础上，通过增加深度方向维度，实现了对缺陷的定量分析，不仅提升了检测的全面性，也显著提高了检测的准确度。

关键词：缺陷检测轮廓拟合伪彩色深度图像 Yolov5 双边网络

面向葡萄知识图谱构建的多特征融合命名实体识别

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

农业工程学报 2024年第3期40卷 201-210页

作者：聂啸林张礼麟牛当当吴华瑞朱华吉张宏鸣西北农林科技大学信息工程学院杨凌712100 陕西省农业信息感知与智能服务重点实验室杨凌712100 北京市农林科学院信息技术研究中心北京100097 国家农业信息化工程技术研究中心北京100097

为解决构建知识图谱过程中由于上下文环境复杂、现有模型字向量语义表征相对单一导致领域专业实体识别率低的问题,该研究提出了来自转换器的双向编码器表征量(bi-directional encoder representation from transformer,BERT)和残差结构(... 详细信息

为解决构建知识图谱过程中由于上下文环境复杂、现有模型字向量语义表征相对单一导致领域专业实体识别率低的问题,该研究提出了来自转换器的双向编码器表征量(bi-directional encoder representation from transformer,BERT)和残差结构(residual structure,RS)融合的命名实体识别模型(bert based named entity recognition with residual structure,BBNER-RS)。通过BERT模型将文本映射为字符向量,利用双向长短时记忆网络(bi-directional long-short term memory,BiLSTM)提取局部字符向量特征,并采用RS保留BERT提供的全局字符向量特征,以提高字向量的语义丰富度,最后通过条件随机场(conditional random field,CRF)模型对特征向量解码,获取全局最优序列标注。与其他命名实体识别模型相比,提出的BBNER-MRS模型在葡萄数据集上表现较好,在葡萄人民日报、玻森、简历和微博数据集上F1值分别达到89.89%、95.02%、83.21%、96.15%和72.51%。最后该研究依托BBNER-MRS模型,提出基于深度学习的两阶段式领域知识图谱构建方法,成功构建了葡萄知识图谱,研究结果可为相关从业人员提供技术和数据支持。

关键词：信息化深度学习知识图谱命名实体识别 BERT 残差结构

同方期刊数据库

基于帧内-帧间自融合的双流泛化人脸伪造检测方法

在线全文

学校读者我要写书评

暂无评论

计算机工程 2024年

作者：董丰恺邹晓强王佳慧马利民杨文元刘熙尧中山大学网络空间安全学院中南大学计算机学院国家信息中心网络安全部北京信息科技大学计算机学院

伪造人脸已经在个人、社会、公共安全等方面带来重大危害，因此，研究针对伪造人脸的检测技术具有重要意义和应用价值，是目前人工智能安全领域的研究热点。现有人脸伪造检测方法往往在已知伪造类型上表现良好，但在面对未知数据时检测... 详细信息

伪造人脸已经在个人、社会、公共安全等方面带来重大危害，因此，研究针对伪造人脸的检测技术具有重要意义和应用价值，是目前人工智能安全领域的研究热点。现有人脸伪造检测方法往往在已知伪造类型上表现良好，但在面对未知数据时检测性能有所下降，模型易受到过拟合的影响，存在检测泛化性不足的问题。针对此问题，提出了一种基于帧内-帧间自融合的双流泛化人脸伪造检测方法，从数据增强和检测器改进两方面提高检测泛化性。该方法首先设计了帧内-帧间自融合模块，分别利用同帧人脸、帧间人脸进行数据增强。其中，帧内自融合子模块利用同帧人脸生成训练数据，从而避免人脸图像身份信息干扰；帧间自融合子模块则利用伪造视频的帧间不一致性，进一步构造多样性丰富、逼真的训练数据集，有效防止了模型的过拟合，确保了检测模型的泛化能力。此外，该方法设计了基于通道注意力机制的双流特征融合网络，在网络的浅层提取RGB特征、高频特征并融合来挖掘伪造信息，在进一步提升模型性能的同时缓解了网络的参数增长。将模型在4个数据集上与9种主流检测方法进行了对比实验，在跨数据集实验中，较次优方法AUC均值提高1.52%、EER均值降低1.5%；在跨伪造方法实验中，在四种伪造方法子数据集上均取得最优或次优效果。验证了该检测方法优秀的泛化能力。

关键词：人脸伪造检测帧内-帧间自融合特征融合注意力机制双流网络泛化能力

FGITA:一种基于细粒度对齐的多模态命名实体识别框架

在线全文

同方期刊数据库

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：吕学强王涛游新冬赵海兴才藏太陈玉忠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青海师范大学藏语智能信息处理及应用国家重点实验室

命名实体识别任务旨在识别出非结构化文本中所包含的实体并将其分配给预定义的实体类别中。随着互联网和社交媒体的发展，文本信息往往伴随着图像等视觉模态信息出现，传统的命名实体识别方法在多模态信息中表现不佳。近年来，多模态命... 详细信息

命名实体识别任务旨在识别出非结构化文本中所包含的实体并将其分配给预定义的实体类别中。随着互联网和社交媒体的发展，文本信息往往伴随着图像等视觉模态信息出现，传统的命名实体识别方法在多模态信息中表现不佳。近年来，多模态命名实体识别任务广受重视。然而，现有的多模态命名实体识别方法中，存在跨模态知识间的细粒度对齐不足问题，文本表征会融合语义不相关的图像信息，进而引入噪声。为了解决这些问题，提出了一种基于细粒度图文对齐的多模态命名实体识别方法(FGITA: A Multi-Modal NER Frame based on Fine-Grained Image-Text Alignment)。首先，该方法通过目标检测、语义相似性判断等，确定更为细粒度的文本实体和图像子对象之间的语义相关性；其次，通过双线性注意力机制，计算出图像子对象与实体的相关性权重，并依据权重将子对象信息融入到实体表征中；最后，提出了一种跨模态对比学习方法，依据图像和实体之间的匹配程度，优化实体和图像在嵌入空间中的距离，借此帮助实体表征学习相关的图像信息。在两个公开数据集上的实验表明，FGITA优于5个主流多模态命名实体识别方法，验证了方法的有效性，同时验证了细粒度跨模态对齐在多模态命名实体识别任务中的重要性和优越性。

关键词：多模态命名实体识别信息抽取知识图谱对比学习

复杂环境下电磁目标信号认知处理架构与应用研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

电子科技大学学报 2024年第1期53卷 40-49页

作者：张伟李想翟志凯张谦邵怀宗孟建电子科技大学电磁认知与应用研究中心成都611731 电子信息控制重点实验室成都610036 电磁空间认知与智能控制技术实验室北京100089

针对现代电磁频谱设备或终端具有网络化、捷变性、多功能、自适应、种类复杂多样和使用环境复杂多变等特性给认知电磁频谱战系统的信号分析与处理带来的巨大挑战的问题,提出了一种结合人工智能、适合复杂电磁环境下电磁目标信号认知处... 详细信息

针对现代电磁频谱设备或终端具有网络化、捷变性、多功能、自适应、种类复杂多样和使用环境复杂多变等特性给认知电磁频谱战系统的信号分析与处理带来的巨大挑战的问题,提出了一种结合人工智能、适合复杂电磁环境下电磁目标信号认知处理与分析的架构。在该架构下电磁目标信号分析与处理被分为目标信号参数估计、目标信号类型分类、辐射源个体识别和目标信号的特征建库与知识图谱[1-3]的构建等4个层次,可以很好适应闭集和开集电磁目标信号的分析与处理;此外,在此架构下提出了未知辐射源辨识、跨模态辐射源智能识别和电磁辐射源的个体识别的算法框架,在实测数据集上的验证实验表明,该算法在闭集和开集电磁信号分析中有效可行。

关键词：电磁频谱战认知处理架构电磁目标知识图谱与推理辐射源个体识别

在线全文

学校读者我要写书评

暂无评论

融合农村居民意图的健康知识推荐方法

计算机工程与设计 2024年第7期45卷 2142-2149页

作者：王馨悦吴华瑞陈雯柏韩笑朱华吉赵春江北京信息科技大学自动化学院北京市农林科学院信息技术研究中心国家农业信息化工程技术研究中心农业农村部数字乡村技术重点实验室

为提高农村居民健康认知水平，提出一种融合农村地区居民意图的健康知识推荐方法。考虑到村民对不同健康知识的偏好，建模用户层中村民与健康知识间的关系路径，捕获村民获取健康知识的潜在意图，利用图卷积与注意力机制传播聚合村民意... 详细信息

为提高农村居民健康认知水平，提出一种融合农村地区居民意图的健康知识推荐方法。考虑到村民对不同健康知识的偏好，建模用户层中村民与健康知识间的关系路径，捕获村民获取健康知识的潜在意图，利用图卷积与注意力机制传播聚合村民意图邻居节点信息，获得村民与健康知识的高阶邻域表示，通过双交叉聚合器将初始节点与邻域表示进行聚合，增强村民与健康知识的表示能力，实现村民健康知识精确推荐。基于农村健康知识数据集验证研究模型有效性，结果表明该模型在准确率、NDCG指标上均得到了一定程度的提高。

关键词：农村知识推荐注意力机制知识图谱嵌入传播健康知识神经网络