检索结果-南通市图书馆

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

基于听说知识融合网络的多模态对话情绪识别

控制与决策 2024年第6期39卷 2031-2040页

作者：刘琴谢珺胡勇郝戍峰郝雅卉太原理工大学信息与计算机学院太原030024 北京航空航天大学新媒体艺术与设计学院北京100191 太原理工大学大数据学院太原030024

多模态对话情绪识别旨在根据多模态对话语境判别出目标话语所表达的情绪类别,是构建共情对话系统的基础任务.现有工作中大多数方法仅考虑多模态对话本身信息,忽略了对话中与倾听者和说话者相关的知识信息,从而限制了目标话语情绪特征的... 详细信息

多模态对话情绪识别旨在根据多模态对话语境判别出目标话语所表达的情绪类别,是构建共情对话系统的基础任务.现有工作中大多数方法仅考虑多模态对话本身信息,忽略了对话中与倾听者和说话者相关的知识信息,从而限制了目标话语情绪特征的捕捉.为解决该问题,提出一种基于听说知识融合网络的多模态对话情绪识别模型(LSKFN),引入与倾听者和说话者相关的外部常识知识,实现多模态上下文信息和知识信息的有机融合.LSKFN包含多模态上下文感知、听说知识融合、情绪信息汇总和情绪决策4个阶段,分别用于提取多模态上下文特征、融入听说知识特征、消除冗余特征和预测情绪分布.在两个公开数据集上的实验结果表明,与其他基准模型相比,LSKFN能够为目标话语提取到更加丰富的情绪特征,并且获得较好的对话情绪识别效果.

关键词：情感计算对话情绪识别多模态特征外部常识知识上下文语义知识特征融合

在线全文

学校读者我要写书评

暂无评论

面向癌症亚型预测的多组学AI模型

计算机工程与设计 2024年第8期45卷 2454-2460页

作者：曹云芳李东喜太原理工大学大数据学院山西晋中030600

针对癌症亚型预测中仅使用单组学数据信息有限的问题,提出一种基于稀疏自编码器和相似网络融合的多组学癌症分型预测模型(multi-omics sparse auto-encoder, MOSAE)。利用稀疏自编码器提取患者特征向量,应用相似网络融合方法构建患者的... 详细信息

针对癌症亚型预测中仅使用单组学数据信息有限的问题,提出一种基于稀疏自编码器和相似网络融合的多组学癌症分型预测模型(multi-omics sparse auto-encoder, MOSAE)。利用稀疏自编码器提取患者特征向量,应用相似网络融合方法构建患者的相似度网络。基于患者特征向量和患者相似度网络利用残差图卷积网络构建预测模型。实验结果表明,在乳腺癌和卵巢癌数据上,所提模型识别亚型的准确率比现有方法分别提高了2.74%和19.74%。在TCGA的肺鳞状细胞癌和头颈部癌症数据上验证了MOSAE模型的优越性。

关键词：稀疏自编码器残差图卷积网络相似网络融合多组学数据癌症亚型多模态特征提取

基于机器学习构建社区老年人焦虑抑郁评估预测模型

在线全文

学校读者我要写书评

暂无评论

中华老年医学杂志 2024年第2期43卷 234-239页

作者：刘杰英郑文方飞腾赵偲郑金平长治医学院附属和平医院老年医学科长治046000 长治医学院健康大数据中心长治046000 太原理工大学公共安全与大数据研究所晋中030060

目的基于机器学习算法开发社区老年人焦虑抑郁预测模型。方法根据2019年山西省调查收集的15079例老年人社会人口统计学因素和疾病状况,利用广泛性焦虑障碍量表(GAD-7)和患者健康问卷(PHQ-9)进行焦虑抑郁评估,学习患有心理疾病的老年人... 详细信息

目的基于机器学习算法开发社区老年人焦虑抑郁预测模型。方法根据2019年山西省调查收集的15079例老年人社会人口统计学因素和疾病状况,利用广泛性焦虑障碍量表(GAD-7)和患者健康问卷(PHQ-9)进行焦虑抑郁评估,学习患有心理疾病的老年人群表征,使用随机森林、XGBoost和LightGBM算法分别建立预测模型,以受试者工作曲线(ROC)曲线下面积(AUC)、准确率、精度、召回率和F分数量化了预测性能并进行排序。基于Shapley值的特征归因框架分析老年人焦虑抑郁的高风险因素。结果我们构建的基于LightGBM的全特征预测模型AUC可达0.805(95%CI:0.794~0.811),与随机森林0.730(95%CI:0.702~0.741)和XGboost 0.802(95%CI:0.780~0.807)相比,LightGBM算法显示出了较高的准确率,从而使其成为较强的预测模型。简化后的模型确定的8个特征可以达到0.75左右的AUC。结论构建的全新的焦虑抑郁评估预测模型,可以应用于基层健康普查或者自查,对社区老年人焦虑抑郁进行快速预测。

关键词：人工智能预测焦虑抑郁

多模态深度神经网络的高级别浆液性卵巢癌分类方法

在线全文

学校读者我要写书评

暂无评论

华东理工大学学报（自然科学版） 2024年第3期50卷 418-426页

作者：李浩琳韩家乐王会青丰智鹏太原理工大学计算机科学技术学院(大数据学院) 太原030600

提出了高级别浆液性卵巢癌(HGSOC)分子亚型分类模型MMDNN-HGSOC,该模型将miRNA表达、DNA甲基化、拷贝数变异(CNV)与mRNA表达数据进行集成,构建多组学特征空间;基于LASSO(Least Absolute Shrinkage and Selection Operator)回归算法,提... 详细信息

提出了高级别浆液性卵巢癌(HGSOC)分子亚型分类模型MMDNN-HGSOC,该模型将miRNA表达、DNA甲基化、拷贝数变异(CNV)与mRNA表达数据进行集成,构建多组学特征空间;基于LASSO(Least Absolute Shrinkage and Selection Operator)回归算法,提出叠加式LASSO(S-LASSO)回归算法,充分获得每个组学数据中与HGSOC分子亚型关联的基因子集;引入多组学数据晚期集成策略,利用多模态深度神经网络学习不同组学数据的高级特征表示。实验结果表明,MMDNN-HGSOC在HGSOC分子亚型分类中表现出较好性能。此外,对特征选择过程中发现的重要基因进行了GO(Gene Ontology)和KEGG(Kyoto Encycloped Genomes)富集分析,为HGSOC分子亚型鉴定和发病机制的研究提供有力支持。

关键词：高级别浆液性卵巢癌多组学数据晚期集成深度神经网络 LASSO

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

基于相似网络融合算法的癌症亚型预测

计算机科学 2024年第S1期51卷 627-633页

作者：张晓茜李东喜太原理工大学数学学院太原030600 太原理工大学大数据学院太原030600

从基因表达数据中挖掘基因之间的相互作用关系,构建基因调控网络,是生物信息学中重要的研究课题之一。但目前流行的神经网络在其架构中仅考虑基因之间的交互和关联,不考虑患者之间的交互和关联。为此,提出了一种基于加权基因相似网络和... 详细信息

从基因表达数据中挖掘基因之间的相互作用关系,构建基因调控网络,是生物信息学中重要的研究课题之一。但目前流行的神经网络在其架构中仅考虑基因之间的交互和关联,不考虑患者之间的交互和关联。为此,提出了一种基于加权基因相似网络和样本相似网络融合算法的癌症亚型预测模型,即WGCSS(Weighted Genetic Correlation network and Sample Similarity network)。该方法实现了特征空间和样本空间信息的融合,同时考虑了基因之间和样本之间的相互作用关系,并使用图卷积网络进行预测。在两个空间中聚合信息会导致严重的过度平滑问题,为此在该模型中引入残差层以缓解过度平滑问题。该方法通过聚合两个空间中的数据信息,可以使得癌症亚型预测的结果更加准确。为了验证方法的泛化性能,使用了乳腺浸润癌(BRCA)、多形性胶质母细胞瘤(GBM)和肺癌(LUNG)数据集进行分析,由此产生的高分类精度结果可以表明该方法的优越性。另外,还对3类数据集进行了生存分析,证明该方法在3个癌症数据集上癌症亚型的生存曲线存在显著差异。

关键词：加权基因相似网络样本相似网络残差图卷积网络 L1正则癌症亚型预测

融合关系图注意力网络的并行查询执行计划选择

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2024年第17期60卷 243-251页

作者：郭梦涛牛保宁杨茸太原理工大学计算机科学与技术学院(大数据学院) 山西晋中030600

查询作为数据库系统中最重要的功能之一,它的执行效率直接决定系统的性能。并行场景下,查询交互(query interaction,QI)本质上表现为操作间的相互作用,是准确选择查询执行计划的关键。现有在操作粒度上度量QI的模型未能描述交互的动态性... 详细信息

查询作为数据库系统中最重要的功能之一,它的执行效率直接决定系统的性能。并行场景下,查询交互(query interaction,QI)本质上表现为操作间的相互作用,是准确选择查询执行计划的关键。现有在操作粒度上度量QI的模型未能描述交互的动态性,只提取操作特征来反映QI,难以为并行场景下的执行计划选择提供准确的QI度量。为此,在QI的表示上,提出查询组合异构图,以操作为节点,操作间的交互关系为边,实现动态、操作粒度、多交互类型的QI表示;在QI特征提取上,提出多边类型权重计算(multi-edge type weight calculation,MTWC)模型用于计算边权重,并将其作为关系特征,体现交互的强弱程度;在执行计划的选择上,提出一种基于关系图注意力网络(relational graph attention network,R-GAT)的查询组合异构图分类模型(query-mix heterogeneous graph classifica-tion,QHGC),为并行查询选择执行计划。在PostgreSQL上的实验表明,QHGC为查询选择执行计划的准确率达90.4%,平均准确率比查询优化器提高48.2个百分点,比现有最先进的模型PSG提高6.9个百分点。

关键词：查询交互操作级多边类型权重计算(MTWC) 执行计划关系图注意力网络(R-GAT)

在线全文

学校读者我要写书评

暂无评论

大数据背景下的数据安全治理研究进展

太原理工大学学报 2024年第1期55卷 127-141页

作者：徐双刘文斌李佳龙李灯熬赵菊敏太原理工大学大数据学院山西晋中030600 太原理工大学大数据融合分析与应用山西省重点实验室山西晋中030600 太原理工大学山西省智能感知工程研究中心山西晋中030600 太原理工大学信息与计算机学院山西晋中030600

【目的】通过检索与分析数据安全治理相关技术文献,从数据全生命周期各阶段入手,展开实现数据安全治理的各类安全治理技术研究。【方法】首先,通过介绍数据安全治理现状,分析加强数据安全治理研究的重要性;其次,具体阐述了数据全生命周... 详细信息

【目的】通过检索与分析数据安全治理相关技术文献,从数据全生命周期各阶段入手,展开实现数据安全治理的各类安全治理技术研究。【方法】首先,通过介绍数据安全治理现状,分析加强数据安全治理研究的重要性;其次,具体阐述了数据全生命周期理论,给出数据生命周期的不同阶段;然后,系统性总结了数据准备、使用、存储与销毁等不同生命周期阶段的数据安全治理技术及其应用;最后,对数据安全治理面临的挑战与未来研究方向进行了分析与展望。【结论】加强数据安全治理,不论是对个人信息的隐私保护,还是对数据产业自身发展,甚至是对国家的信息安全,都有着重大意义。数据安全治理领域应更好地将区块链技术和实际应用相结合,建立更加健全的数据追责机制,明确数据使用的责任和义务。

关键词：数据安全治理全生命周期数据准备数据使用数据存储与销毁

基于双范式功能磁共振成像的毕生常模在年龄和认知能力上的预测

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

科学通报 2024年第24期69卷 3666-3674页

作者：温昕董立曹锐武旭斌相洁太原理工大学软件学院太原030600 太原理工大学计算机科学与技术(大数据)学院太原030600 成都脑科学研究所临床医院电子科技大学教育部神经信息重点实验室成都610054

在世界毕生功能磁共振成像公开数据集中,如何评估整体人口的大脑老化程度和认知能力是研究焦点.以往的相关研究大多依赖于对静息态功能磁共振成像中不同指标的统计分析,如功能连接、功能连接密度等.本文提出基于双范式功能磁共振成像的... 详细信息

在世界毕生功能磁共振成像公开数据集中,如何评估整体人口的大脑老化程度和认知能力是研究焦点.以往的相关研究大多依赖于对静息态功能磁共振成像中不同指标的统计分析,如功能连接、功能连接密度等.本文提出基于双范式功能磁共振成像的毕生常模图谱,旨在反映被试于静息态和自然刺激范式间大脑神经活动的异步、同步.随后,设计一种基于局部感受野模块的模型,预测被试的年龄及认知评分.首先,将功能连接输入到基于变分自编码器的生成器中,构建常模.其次,利用常模对比计算每个被试的毕生功能连接模式,以形成特征.最后,将这些特征以五折交叉验证的方式拆分训练集、测试集,并输入到所提出的预测模型中,以预测年龄、流体智力和反应时评分.该方法在剑桥老龄化神经科学中心数据集(样本量:424;年龄:18~88岁)中进行测试,年龄、流体智力和反应时评分的绝对误差分别为5.97、3.72和0.108,优于其他相关研究.结果表明,所提出的常模图谱可以评估个人的认知能力,而结合所提出的方法能够降低预测年龄及认知评分的误差,这将有助于揭示被试在整个生命周期的大脑神经发育的演化模式.

关键词：常模毕生功能磁共振成像预测

在线全文

学校读者我要写书评

暂无评论

多结构与属性融合的谣言传播关键节点识别

太原理工大学学报 2024年

作者：李琪许晓雅王莉太原理工大学计算机科学与技术学院(大数据学院)

在线社交网络的迅猛发展促进了信息传播规模和速度的扩大，同时也加剧了谣言的传播。因此，如何迅速且准确地识别关键谣言节点已成为当前研究的一项重要挑战。现有研究通常使用基于网络结构的中心性方法或基于节点特征的机器学习方法进... 详细信息

在线社交网络的迅猛发展促进了信息传播规模和速度的扩大，同时也加剧了谣言的传播。因此，如何迅速且准确地识别关键谣言节点已成为当前研究的一项重要挑战。现有研究通常使用基于网络结构的中心性方法或基于节点特征的机器学习方法进行关键节点识别，然而这些方法大多是基于信息传播的思路，忽视了谣言自身独特的传播方式。中心性方法未能充分反映节点在谣言传播中的实际重要性，即高中心性的节点未必在谣言传播中起关键作用；而机器学习方法则往往忽视谣言传播的结构信息。针对以上问题，本文提出了一种综合考虑谣言传播结构、信息传播结构以及用户属性信息的RumorGFAN模型，用于识别谣言传播过程中的关键谣言节点。此外，本研究考虑了谣言传播中的个人行为差异，即在接收到谣言后，一部分个人选择传播，而另一部分则选择不传播，采用了更符合谣言传播的易感-暴露-感染-康复-易感(SEIRS)模型，并提出了一种新的计算方法，以更准确地评估节点的影响力。在四个不同规模的真实数据集上的实验结果表明，该策略能够更准确有效地识别在线社交网络中的关键谣言节点。

关键词：社交网络关键谣言节点节点识别谣言传播