检索结果-南通市图书馆

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

联合实体类别及邻域信息指导的实体对齐方法

计算机应用研究 2024年

作者：蒋敏王淑营西南交通大学计算机与人工智能学院

针对当前的一些实体对齐工作仅利用关系结构信息，而忽略了实体与实体类别之间的联系以及属性信息的重要性的问题，提出一种联合实体类别及邻域信息指导的实体对齐方法。该方法通过嵌入关系三元组、属性三元组和实体类别信息，利用BERT... 详细信息

针对当前的一些实体对齐工作仅利用关系结构信息，而忽略了实体与实体类别之间的联系以及属性信息的重要性的问题，提出一种联合实体类别及邻域信息指导的实体对齐方法。该方法通过嵌入关系三元组、属性三元组和实体类别信息，利用BERT预训练模型进行编码，解决缺失语义信息的问题，采用卷积神经网络提取属性特征，利用实体类别和种子词构建类别冲突矩阵，最后通过实体和属性指导实体对齐，并在迭代训练过程中将高质量的实体对加入到种子词中。在四个公开数据集上Hits@1分别可达到90.1%、94%、92.5%和94.5%，相较于基准模型平均提升了6.225%，实验结果表明提出的方法可以有效地实现实体对齐。

关键词：知识图谱实体对齐 BERT 实体类别属性信息

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于注意力机制的不完备多视图聚类算法

计算机应用 2024年

作者：杨成昊胡节王红军彭博西南交通大学计算机与人工智能学院

针对传统深度不完备多视图聚类算法中补全缺失视图数据的不确定性，嵌入学习缺乏鲁棒性以及模型泛化性低的问题，提出了基于注意力机制的不完备多视图聚类算法(IMVCAM)。首先，通过K最近邻(KNN)算法补全了视图中缺失的数据，使得训练数... 详细信息

针对传统深度不完备多视图聚类算法中补全缺失视图数据的不确定性，嵌入学习缺乏鲁棒性以及模型泛化性低的问题，提出了基于注意力机制的不完备多视图聚类算法(IMVCAM)。首先，通过K最近邻(KNN)算法补全了视图中缺失的数据，使得训练数据具有互补性；然后，经过线性编码层，再将获得的嵌入通过注意力层，提高嵌入的质量；最后，对每个视图训练得到的嵌入使用k均值聚类算法(k-means)，视图的权重通过皮尔逊相关系数进行确定。实验在五个经典的数据集上进行，在Fashion数据集上取得最优的结果。在Fashion数据集上的实验结果表明，所提算法IMVCAM相较于次优的DSIMVC(Deep Safe Incomplete Multi-View Clustering)在数据缺失率为0.1,0.3的情况下聚类精度提升了2.85,4.35个百分点。此外，在Caltech101-20数据集上，缺失率为0.1,0.3的情况下相比于次优的IMVCSAF(Incomplete Multi-View Clustering algorithm based on Self-Attention Fusion)聚类精度提升了7.68,3.48个百分点。

关键词：不完备多视图聚类 K最近邻算法注意力机制皮尔逊相关系数 k均值聚类算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于非对称信息蒸馏的轻量级图像超分辨重建

计算机应用 2024年

作者：孟海腾赵小乐李天瑞西南交通大学计算机与人工智能学院

深度卷积神经网络在图像超分辨率重建领域表现出卓越性能，但现有的许多方法模型参数量较多，无法应用到计算资源相对较低的设备上。为了缓解上述问题，提出一个轻量级的基于非对称信息蒸馏的网络(AIDN)模型。首先，输入图像及其边缘图... 详细信息

深度卷积神经网络在图像超分辨率重建领域表现出卓越性能，但现有的许多方法模型参数量较多，无法应用到计算资源相对较低的设备上。为了缓解上述问题，提出一个轻量级的基于非对称信息蒸馏的网络(AIDN)模型。首先，输入图像及其边缘图像以提取有效的特征信息；其次，设计了一个非对称信息蒸馏模块对提取到的特征进行非线性映射学习；再次，使用上采样模块重建出多个残差图像，将多个残差图像经过注意力机制融合成一个残差图像；最后，将融合出的残差图像与输入图像的插值相加后得到超分图像。在Set14、Urban100和Manga109数据集上的实验结果表明，相较于最新的空间自适应特征调制模型(SAFMN),AIDN模型的4倍超分峰值信噪比（PSNR）值分别提升了0.03dB、0.14dB和0.06dB，说明了AIDN模型在模型参数量和模型性能之间取得了更好的平衡。

关键词：图像超分辨率轻量级超分辨率网络非对称卷积信息蒸馏注意力机制

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于图像实例分割的机器人箱体拆垛方法

计算机工程与应用 2024年第10期60卷 209-216页

作者：邹汶材刘宝临西南交通大学计算机与人工智能学院成都610000 西南交通大学信息科学与技术学院成都610000

为了解决工业箱体包裹拆垛任务中传统特征提取方法依赖于箱体形状,难适用于规格多变、混箱垛型的问题,提出一种基于图像实例分割的机器人拆垛方法。为获得准确箱体拣选中心,首先利用Mask R-CNN进行实例分割获得箱体掩膜和分类信息,并在... 详细信息

为了解决工业箱体包裹拆垛任务中传统特征提取方法依赖于箱体形状,难适用于规格多变、混箱垛型的问题,提出一种基于图像实例分割的机器人拆垛方法。为获得准确箱体拣选中心,首先利用Mask R-CNN进行实例分割获得箱体掩膜和分类信息,并在特征提取后添加空间变换网络(spatial transformation network,STN)模块,优化对旋转目标的识别;然后求解掩膜最小外接矩形并后处理获得待拣选箱体像素中心和水平旋转角度,并结合一种拆垛策略进行先行后列排序以确定拣选顺序;最后利用标定方法完成箱体定位,并对规格多变、混箱垛型进行分割和机器人拆垛实验,结果表明,待拆箱体像素中心平均像素距离约4个像素点,空间定位平均误差约1 cm,定位精度满足工业拆垛实际需求。

关键词：实例分割 Mask R-CNN 分类标定工业拆垛

在线全文

学校读者我要写书评

暂无评论

使用中心预测-聚类的3D箱体实例分割方法

计算机工程与应用 2024年第10期60卷 132-139页

作者：杨雨桐和红杰西南交通大学计算机与人工智能学院成都611756 西南交通大学信息科学与技术学院成都611756

随着深度学习技术在工业领域的大量部署,应用于运输、装卸、包装、分拣等环节的自动化系统成为仓储物流行业的研究热点。针对机器人箱体拆垛场景提出一个点云中心预测-聚类网络(center prediction-clustering network,CPCN),对箱体垛进... 详细信息

随着深度学习技术在工业领域的大量部署,应用于运输、装卸、包装、分拣等环节的自动化系统成为仓储物流行业的研究热点。针对机器人箱体拆垛场景提出一个点云中心预测-聚类网络(center prediction-clustering network,CPCN),对箱体垛进行实例分割,并计算每个箱体的上表面中心坐标。CPCN在传统的语义-实例联合分割结构的基础上,为实例分割分支设计了中心预测模块和中心强化模块。中心预测模块帮助定位实例中心以避免中心点分割错误,中心强化模块令属于同一实例的点在特征空间中向中心聚集,二者有效增强了实例特征的辨识能力。在实例特征处理部分设计的中心-实例聚类方法直接对实例特征进行距离度量来计算实例标签,大幅减少了计算时间。在箱体数据集上进行的实验表明,与现有方法相比CPCN在实例分割任务中的平均精确率最低提高了0.7个百分点,最高提高了17.2个百分点,预测实例中心的准确率达到94.4%,中心偏移量低至13.70 mm,且推理速度快于同类型的联合分割网络,对于箱体拆垛任务更有针对性,具有良好的应用价值。

关键词： 3D点云实例分割箱体拆垛中心预测聚类

在线全文

学校读者我要写书评

暂无评论

基于多视图表征的虚假新闻检测

信息网络安全 2024年第3期24卷 438-448页

作者：张新有孙峰冯力邢焕来西南交通大学计算机与人工智能学院成都611756

社交网络已经成为人们日常生活中获取和分享信息的主要渠道,同时也为虚假新闻的传播提供了捷径。如今,针对网络虚假新闻的检测问题受到学术界的广泛关注,但目前的检测方法缺乏基于新闻多个视角的深度探索或忽视了新闻中不同信息传播方... 详细信息

社交网络已经成为人们日常生活中获取和分享信息的主要渠道,同时也为虚假新闻的传播提供了捷径。如今,针对网络虚假新闻的检测问题受到学术界的广泛关注,但目前的检测方法缺乏基于新闻多个视角的深度探索或忽视了新闻中不同信息传播方向不同的问题,有待改进。文章提出一种基于新闻内容、用户信息和新闻传播3种视角的多视图表征和检测的模型MVRFD(Multi-View Representations for Fake News Detection),为虚假新闻检测任务提供更全面的视角。首先,利用协同注意力机制表征新闻内容中的多模态信息,使用具有不同方向的图神经网络聚合新闻传播过程中的用户信息和观点信息;然后,利用双协同注意力机制实现多个视角间的信息交互;最后,将新闻内容特征和新闻上下文特征进行融合。在公开数据集上的实验结果表明,文章所提出的模型实现了96.7%的准确率和96.8%的F1值,优于主流的文本处理模型以及基于单视角的检测模型。

关键词：虚假新闻检测图神经网络多模态表征注意力机制多视图表征

基于自注意力机制与词汇增强的中文医学命名实体识别

在线全文

学校读者我要写书评

暂无评论

计算机应用 2024年第2期44卷 385-392页

作者：罗歆然李天瑞贾真西南交通大学计算机与人工智能学院成都611756

针对中文医学文本实体嵌套导致的单词边界识别困难问题以及现有栅格结构集成词汇特征所面临的语义信息损失严重的情况,提出一种用于中文医学命名实体识别(MNER)的自适应词汇信息增强模型。首先,利用双向长短期记忆(BiLSTM)网络编码字符... 详细信息

针对中文医学文本实体嵌套导致的单词边界识别困难问题以及现有栅格结构集成词汇特征所面临的语义信息损失严重的情况,提出一种用于中文医学命名实体识别(MNER)的自适应词汇信息增强模型。首先,利用双向长短期记忆(BiLSTM)网络编码字符序列的上下文信息并捕捉较长距离的依赖关系;然后,对字符序列中每个字符的潜在单词信息进行字词对建模,采用自注意力机制实现不同单词之间的内部交互;最后,通过基于双线性注意力机制的词汇适配器将词汇信息集成到文本序列中的每个字符中,有效增强语义信息的同时充分利用单词丰富的边界信息,并抑制相关性低的单词。实验结果表明,所提模型与基于字符的基线模型相比,平均F1值分别提升了1.37~2.38个百分点,并在结合BERT后取得了最优的效果。

关键词：医学命名实体识别中文医学文本词汇适配器自注意力机制双向长短期记忆网络

在线全文

学校读者我要写书评

暂无评论

基于深度学习的图像分割综述

计算机科学 2024年第2期51卷 107-116页

作者：黄雯珂滕飞王子丹冯力西南交通大学计算机与人工智能学院成都611756

图像分割是计算机视觉中的一项基本任务,其主要目的是从图像输入中提取有意义和连贯的区域。多年来,图像分割领域已经开发出了各种各样的技术,包括基于传统方法,以及利用卷积神经网络的最新图像分割技术。随着深度学习的发展,更多的深... 详细信息

图像分割是计算机视觉中的一项基本任务,其主要目的是从图像输入中提取有意义和连贯的区域。多年来,图像分割领域已经开发出了各种各样的技术,包括基于传统方法,以及利用卷积神经网络的最新图像分割技术。随着深度学习的发展,更多的深度学习算法也被应用到图像分割任务中。特别地,近两年学者对深度学习的兴趣高涨,涌现了许多应用于图像分割任务的深度学习算法。然而大部分新的算法还没有被归纳分析,这将不利于后续研究的进行。文中对近两年发表的基于深度学习的图像分割研究进行了全面回顾。首先对图像分割的常用数据集进行简要介绍,然后阐明了基于深度学习的图像分割的新分类,最后讨论了现有的挑战并对今后的研究方向进行了展望。

关键词：图像分割语义分割深度学习网络结构监督学习

基于局部扩展社区发现的学术异常引用群体检测

在线全文

学校读者我要写书评

暂无评论

计算机应用 2024年第6期44卷 1855-1861页

作者：林欣蕊王晓菲朱焱西南交通大学计算机与人工智能学院成都611756

学术社交网络中的某些学者可能组成异常引用群体,相互之间过度引用彼此的文章以谋取利益。现有的异常群体检测算法大多将社区检测与节点表示学习分离,导致最终异常群体检测性能受限。为此,提出一种基于局部扩展社区发现的异常引用群体检... 详细信息

学术社交网络中的某些学者可能组成异常引用群体,相互之间过度引用彼此的文章以谋取利益。现有的异常群体检测算法大多将社区检测与节点表示学习分离,导致最终异常群体检测性能受限。为此,提出一种基于局部扩展社区发现的异常引用群体检测(GADL)算法。所提算法利用论文研究领域、标题内容等语义信息提取作者异常引用特征;定义基于节点转移相似度、节点社区隶属度、引用异常度和广度优先遍历(BFS)深度的扩展度量函数;结合异常社区发现和异常节点检测,在统一框架下对二者联合优化,可获得最优的异常检测性能。在ACM、DBLP1和DBLP2数据集上,相较于ALP算法,所提算法分别提高了6.07%、5.35%和3.38%。在真实数据集上的实验结果表明,所提算法可有效地检测异常学术引用。

关键词：学术社交网络图异常检测学术异常引用图神经网络局部扩展社区发现