基于并行异构图和序列注意力机制的中文实体关系抽取模型

近年来,随着深度学习技术的快速发展,实体关系抽取在许多领域取得了显著的进展。然而,由于汉语具有复杂的句法结构和语义关系,面向中文的实体关系抽取任务中仍然存在着多项挑战。其中,中文文本中的重叠三元组问题是领域中的重要难题之一。针对中文文本中的重叠三元组问题,提出了一种混合神经网络实体关系联合抽取(HNNERJE)模型。HNNERJE模型以并行方式融合序列注意力机制和异构图注意力机制,并结合门控融合策略构建了深度集成框架。该模型不仅可以同时捕获中文文本的语序信息和实体关联信息,还能够自适应地调整主客体标记器的输出,从而有效解决重叠三元组问题。另外,通过引入对抗训练算法提高模型对未见样本和噪声的适应能力。运用SHAP(SHapley Additive exPlanations)方法对HNNERJE模型进行解释分析,基于模型的识别结果解析它在抽取实体和关系时所依据的关键特征。HNNERJE模型在NYT、WebNLG、CMeIE和DuIE数据集上的F1值分别达到了92.17%、93.42%、47.40%和67.98%。实验结果表明:HNNERJE模型可以将非结构化的文本数据转化为结构化的知识表示,有效提取其中蕴含的有价值信息。

用户协作模式下自适应情境的LBS隐私保护方法

针对当前LBS(located-based service)应用中位置隐私保护方法难以实现隐私保护度与服务质量平衡的问题,提出了一种基于用户协作的自适应情境的位置隐私保护方法:移动用户消费LBS服务时,需从服务提供商处实时下载"粗糙化"的路网数据,并以此为基础,通过情境感知自主模糊个人真实位置,然后选择具有互助意愿的代理用户进行自适应情境的增量近邻查询。为了提高系统的服务质量,引入通讯成本估算方法确定查询点位置,并采用Voronoi图技术过滤代理用户的查询结果,从而减少系统通讯开销。不仅从理论上分析了该方法的隐私保护度与自适应性,而且对方法性能进行了实验与比较,实验结果表明:该方法较SpaceTwist算法具有更高的性能优势,实现了隐私保护度与服务质量的平衡。

基于DCGAN反馈的深度差分隐私保护方法

为了防止攻击者在深度学习模型应用过程中利用生成式对抗网络(generative adversarial networks,GAN)等技术还原出训练集中的数据,保护训练数据集中用户的敏感信息,提出一个基于深度卷积生成式对抗网络(deep convolutional generative adversarial networks,DCGAN)反馈的深度差分隐私保护方法.该方法在深度网络参数优化计算时结合差分隐私理论添加噪声数据,基于差分隐私与高斯分布可组合特点,计算深度网络每一层的隐私预算,在随机梯度下降(stochastic gradient descent,SGD)计算中添加高斯噪声使之总体隐私预算最小;利用DCGAN生成数据选取可能得到的最优结果,通过对比攻击结果和原始数据之间的差别调节深度差分隐私模型参数,实现训练数据集可用性与隐私保护度的平衡.实验结果表明,该方法针对训练数据集中的敏感信息具有较高的隐私保护能力.

AgPrivacy:一种代理服务的LBS隐私保护方法

针对动态P2P环境中用户隐私保护效果与服务质量难以平衡的问题,提出了一种位置隐私保护方法——AgPrivacy:在用户自组织的P2P网络中,用户消费服务时,首先对真实位置模糊化,然后选择代理用户进行转发增量近邻查询.该方法通过切断消费用户与服务提供商间的直接关联,保护用户隐私;同时为了提高系统服务质量,引入通讯成本估算方法确定查询点,采用Voronoi图技术过滤查询结果,减少系统的通讯开销,不仅从理论上分析了该方法具有较高的位置隐私保护效果,而且通过实验与SpaceTwist算法进行了性能比较.实验结果表明:该方法具有较高的性能优势,实现了隐私保护度与服务质量的平衡.

基于手绘草图的三维模型检索

手绘草图检索三维模型是目前活跃的研究领域,针对目前流行的检索技术中采用词袋模型时"硬聚类"带来的区分和表达粒度不足的问题,提出了一种新的检索方法:提取草图和模型渲染的视图集的GALIF(Gabor local line-based feature)特征。采用基于"软聚类"--高斯混合模型的费尔舍编码来取代词袋模型,用一种快速有效的流形排序算法来计算图像之间的相似度从而得到结果。与以往计算特征向量之间的欧式距离等仅考虑数据相似度的方法相比,该方法可以从数据集的底层结构去获取语义关系。实验结果表明,本文的方法具有更好的检索准确度和更快的检索速度。

基于支持向量机的土壤侵蚀评价预测模型研究

尝试应用一种新的机器学习算法—支持向量机(SVM)来对水土流失现状进行评价与预测。该方法能针对在样本有限的情况下,采用结构风险最小化准则,把学习问题转化为一个二次规划问题得到全局最优解,较好地解决了小样本、非线性、高维数和局部极小点等实际问题,具有很强的泛化(预测)能力。以石桥铺小流域作为研究对象,通过支持向量机算法建立土壤侵蚀评价与预测模型,并与BP神经网络的方法进行了对比,结果表明该模型的预测精度要高于人工神经网络模型。

路网条件下基于用户协作的LBS隐私保护

针对移动终端在缺乏固定通信基础设施的路网环境下消费LBS服务时的用户位置隐私保护问题,提出了一种基于用户协作的位置隐私保护方法:用户问通过Chord协议自组织成P2P网络,当用户消费服务时,由其选择代理节点进行转发增量近邻查询。为了提高该方法的服务质量,提出了最大连通稳定度理论以实现代理用户优选,保证P2P通讯的稳定性,同时引入通信成本估算方法实现查询点的自适应选择,以减少代理用户的查询通讯开销。对此算法进行了理论分析,并通过实验验证了其性能,实验结果表明该方法在路网条件下具有较高的隐私保护度,而且实现了隐私保护度与服务质量的平衡。

一种自适应情景的位置隐私保护方法

针对当前定位服务(LBS)系统中位置隐私保护方法大都采用可信第三方匿名服务器以及隐私保护度与通讯开销难以平衡的问题,在不改变现有LBS系统架构下,提出一种自适应情景的位置隐私保护方法。当用户消费服务时,终端实时下载粗糙的路网情景数据,通过上下文感知取得用户位置情景信息,系统自适应用户个性化隐私保护设置返回最小通讯成本的路网数据和查询结果。最后,通过实验验证算法的性能。

基于MapReduce的Canopy-Kmeans改进算法

针对分布式Canopy-Kmeans算法中Canopy选取的随机性问题,采用"最小最大原则"对该算法进行了改进,避免了Cannopy选取的盲目性;采用MapReduce并行计算框架对算法进行了并行扩展,使之能够充分利用集群的计算和存储能力,从而适应海量数据的应用场景。以海量互联网新闻信息聚类作为应用背景,对改进后的算法进行了实验分析。实验结果表明:该方法较随机挑选Canopy策略在分类准确率以及抗噪能力上都明显提高,而且在处理海量数据时表现出较大的性能优势。

独立架构下自适应情境的位置隐私保护方法

针对基于位置的服务位置隐私保护系统中可信第三方匿名服务器易受攻击的架构弊端以及用户间合作稳定性因时空变化而无法保证的问题,在无可信第三方、非合作模式下,提出一种自适应情境的位置隐私保护方法.通过服务器端构建多粒度抽象路网与位置情境模型,解决终端实时位置情境信息感知的通信问题;同时,根据终端用户的个性化通信成本与位置隐私保护强度设置,实现查询点与查询区域的自适应选取.实验结果表明,该方法实现了隐私保护度与通信开销、计算开销的平衡.

情境感知的位置隐私保护方法研究进展

随着无线通信技术与智能移动终端的发展,基于位置的服务(LBS,location-based service)得到广泛应用,与移动对象位置相关的数据隐私保护已经成为LBS中的研究热点。首先简单介绍了位置隐私与情境感知的基本概念;其次,对现有的位置隐私保护方法从隐私保护效果、服务质量、系统结构和时空情境自适应性4个方面进行分析总结,指出了该研究的发展趋势;最后,对情境感知的位置隐私保护方法现状进行介绍,讨论了该领域存在的研究难点以及未来的研究方向。

基于形式概念分析的遥感影像分类

针对目前遥感影像分类方法中存在分类知识难以获取的不足,尝试引入形式概念分析的数据挖掘理论,并基于族集最小覆盖理论实现概念内涵的缩减,从而保证分类规则的简洁与无冗余性。研究选取湖北省房县作为试验区,实现了该理论在研究区中土地利用类型分类规则的挖掘应用。基于挖掘出的分类规则构建了启发式分类器,实验结果表明形式概念分析理论挖掘出的分类规则可信度较高,基于挖掘出的分类规则构建的分类器相对于监督分类方法、决策树C4.5算法在分类精度上有一定优势,从而证明了它对遥感影像分类提供一种的新方法。

符合监管合规性的自动合成新闻检测方法研究

自动合成新闻已经被广泛应用于金融市场分析、事件报道等格式化新闻信息中,具有重大的社会影响。然而,采用集中式的存储方式进行监管,容易导致信息被监管者或第三方窃取和篡改。因此,在保证检测效率以及准确率的前提下保护信息不被窃取和篡改显得尤为重要。本课题提出一种符合监管合规性的自动合成新闻检测方法,目的是通过发放数据访问令牌,在确保只有监管机构能处理信息的同时将数据活动记录在分布式账本中。该方法设计了两类分布式账本,并通过智能合约调用,以实现认证授权机制和日志记录,只有诚实地参与才能获得区块链的认可并证明符合监管的合规性。此外,该方法采用轻量级的检测算法IDF-FastText赋予边缘节点计算能力,从源头上遏止各种自动合成新闻的肆意传播,实现监管的及时性。将基于GAN的GPT-2检测模型部署在服务器上以供监管机构进行检测结果的验证。最终,通过实验证明了所提设计理念的可行性。

面向区块链平台的庞氏骗局模式检测方法

区块链技术的出现给各行各业带来了新的变革,同时也给诈骗提供了新的平台。作为金融诈骗的代表形式——庞氏骗局借助智能合约在二代区块链上给人们制造了巨大的损失,这不仅影响区块链技术的发展,同时也在一定程度上扰乱了正常的社会经济秩序,因此,对借助区块链技术实施庞氏骗局的相关平台进行监管势在必行。该文选取区块链平台以太坊作为研究对象,设计了一种基于智能合约混合特征的庞氏骗局检测算法。首先根据交易主体间的关联特征判断其是否符合庞氏骗局中回报不公平的金字塔交易形式,提取智能合约交易特征;其次根据智能合约的操作代码在庞氏骗局合约和其他合约出现频率设计了一种新的ITF算法,提取区分庞氏骗局智能合约的操作码特征;最后采用Catboost集成学习算法来训练庞氏骗局检测模型,算法强调多个特征之间的联系,并解决检测算法训练过程中梯度偏差以及预测偏移问题。与其他算法相比,该算法在庞氏骗局检测上具有较高的准确率(精确率=0.89、召回率=0.78、F1值=0.82)。

基于多元隶属度的区域水土流失评价模型研究

区域水土流失评价对于水土流失治理的宏观决策、规划具有十分重要意义,基于此提出了一种基于多元隶属度的区域水土流失定性评价方法。该方法通过选取水土流失影响因子的区域特征指标,以径流场观测小区所获得数据为样本,采用模糊数学方法构建水土流失强度与其影响因子之间的多元隶属函数并依据隶属度划分水土流失强度等级分类,然后应用GIS等技术工具提取评价单元的评价指标参数,由构造的多元隶属函数和水土流失强度等级分类确定其对应的强度等级。该模型以鄂东大别山作为研究区域进行模型验证并与“三要素”专家规则模型进行比较,结果表明,这种方法在划分水土流失强度上更准确、合理。

分布式工作流技术在工程管理中的应用

通过研究分析当前工程项目管理在分布式、异构的企业应用环境中所面临的信息交换、资源共享问题,构建了一种基于Webservice技术的分布式工作流系统,给出了系统的设计原理和总体结构,并详细介绍了该系统中的基于XML的工作流过程定义和分布式工作流引擎的体系结构和实现方法,以及基于SOAP消息的工作流引擎间的互操作机制。从而实现异构系统信息的交换。

基于区块链存证的Deepfake内容监管技术研究

随着人工智能技术的发展,基于深度学习的深度伪造技术日趋成熟,通过多媒体篡改工具可以对视频中的人脸进行随意的篡改,并且几乎无法被肉眼察觉。深度伪造人脸视频成为互联网内容监管中不可或缺的重要部分。以短视频社交平台为应用场景,提出了一种基于区块链存证技术的深度伪造人脸视频内容监管方法。方法针对实际场景中图像内容质量差异的特点设计出一种线性混合的检测方法,在边缘端采用基于轻量级微调神经网络的分类器架构,结合服务器端采取频谱特征进行分类。解决了传统独立检测方法面对数亿级短视频内容的上传与发布过程中检测效率与准确率之间难以平衡的问题。上述方法针对视频文件大且大量转发导致的数据冗余问题,采用超级账本与IPFS相结合的数据存储方式,可以对深度伪造人脸视频内容进行快速精准的追溯并对用户行为进行评价。实验结果表明,所提方法在两个公共深度伪造人脸视频数据集(DeepfakeDetection、Celeb-DF)中都表现出较好的效果,并且在针对内容监管平台的性能测试中表现较好。

基于局部特征的图像目标识别问题综述

基于局部特征的图像目标识别是近年来计算机视觉领域中的热点问题。首先,论述整体特征的不足以及局部特征的优势。然后,详细阐述局部特征提取技术和目标表示方法的研究现状,讨论其中的一些常用算法。为清楚说明这些方法,先是将局部特征提取分为特征区域检测和特征区域描述两步;然后,将目标表示方法分为向量空间模型、滑动窗口模型和结构关系模型3类;最后,介绍目标识别常用的分类器并对局部特征在目标识别领域的应用前景进行展望。

图像目标类别检测综述

随着移动设备与社交网络的迅速发展,数字图像的数据规模急剧增加,图像目标类别检测已经发展成为目前计算机视觉领域内的一个研究热点。对图像目标类别检测的关键问题进行了综述。首先对目标类别检测的研究背景进行了介绍;然后对目标类别检测技术进行了综述,其中包括外观模型、分类器和定位策略3个核心技术,以及数据集和评价标准;最后列出了目前目标类别检测算法的测试结果,并总结了目标类别检测的主要研究难点和发展方向。

基于神经网络的食品安全评价模型构建研究

食品安全评价模型的准确度高低,直接影响食品安全状况评价、预测的准确率.结合危害分析与关键控制点的(HACCP)食品安全管理体系理论,从食品供应链的角度出发,建立食品安全评价指标体系;使用层次分析法(AHP)改进逆向传播(BP)神经网络算法中随机初始化计算权重的方法,训练样本数据,并以测试数据作为验证,检测模型的误差收敛速度和拟合度.结果表明,这种BP神经网络结合AHP方法构建的模型具有实用、精度高、快速、客观等优点,可用于生产、加工、销售等流通环节食品安全评价、区域食品安全评价以及种类食品安全评价.