基于SNP标记的小麦品种遗传相似度及其检测准确度分析

遗传相似度检测的准确度估计是对SNP标记法在农作物品种检测体系中应用的必要补充和完善。本研究基于2021年小麦品种SNP标记法跨实验室协同验证实验数据,分析了该方法的检测准确度及在品种间的遗传相似度。分析结果表明:(1)10个实验室对55组小麦品种组合的标记位点相似度检测的总体准确度约为98%。(2)GGE双标图的品种遗传关系功能图显示,7组小麦品种的组内遗传相似度在95%以上,其余组合的遗传相似度较低。(3)依据GGE双标图的“正确度-精确度”功能图和“准确度排序”功能图,发现洛旱7号/洛旱11等品种组合的相似度检测准确度较高,晋麦47/临抗11的检测准确度一般,而济麦22/婴泊700的检测准确度较差。(4)10个实验室的检测准确度存在显著差异,其中2个实验室检测的正确度、精确度和准确度表现显著差于其余实验室。(5)各实验室检测正确度的容许误差分布于1.3%~1.9%之间,平均为1.5%;准确度的容许误差分布于1.5%~2.0%之间,平均为1.7%。其中,Lab2和Lab3的检测正确度和准确度的容许误差显著差于其余实验室。本研究构建了SNP标记法对品种相似性检测的准确度统计模型,分析了品种组合和实验室的检测准确度及其容许误差,采用GGE双标图方法对检测正确度、精确度和准确度进行可视化分析,验证了各实验室对品种位点相似性检测的准确度和可靠性,为SNP标记法在农作物品种遗传相似性检测中的准确度评价提供了理论支持和应用范例。

一种面向多场景的轨迹相似度计算框架

轨迹相似度计算作为轨迹数据分析中的一个研究热点,主要用来衡量两个移动对象轨迹相似程度。已有的轨迹相似度计算工作主要根据不同类型的轨迹数据和应用场景提出了大量轨迹相似性度量方法,但随着轨迹数据采集手段的逐渐丰富和应用需求的发展,在轨迹相似性计算方面却缺少一个统一的框架以支持多样化轨迹数据下的相似轨迹分析。为此,本文在综合分析已有相似轨迹度量方法共性特征基础上,提出了一个兼容多种轨迹相似度度量方法的集成计算框架(Multiple Scenarios Similarity Trajectory Framework,MSSTJ),并通过一种统一的轨迹数据分区索引方法来优化不同相似轨迹度量方法的计算效率,从而使得用户可以通过参数化配置的简单方式来实现不同场景下多样化的轨迹相似度高效计算的需求。通过基于两类不同类型轨迹数据集的相关实验表明,MSSTJ可以帮助用户快速实现不同的轨迹相似度计算算法,并且实现的算法具有较好的性能表现。

基于融合矩阵的文本相似度计算实现检索结果聚类

目的/意义弥补医学文本语义表示方面的不足,实现PubMed数据库检索结果聚类。方法/过程采用Jaccard系数和TF-IDF构建融合矩阵方法,建立短语间、文档间、短语与文档内容间的相似性关系融合矩阵,训练聚类算法,将PubMed数据库检索结果集合分组,随后生成类别标签,描述每一类簇文档的含义。结果/结论基于融合矩阵的聚类效果较好,提取出描述类别的高频词能很好地区分类别含义,对检索结果文本聚类任务有效。

动量余弦相似度梯度优化图卷积神经网络

传统梯度下降算法仅对历史梯度进行指数加权累加,没有利用梯度的局部变化,造成优化过程越过全局最优解,即使收敛到最优解也会在最优解附近震荡,其训练图卷积神经网络会造成收敛速度慢、测试准确度低。利用相邻两次梯度的余弦相似度,动态调整学习率,提出余弦相似度梯度下降(SimGrad)算法。为进一步提升图卷积神经网络训练的收敛速度和测试准确度,减少震荡,结合动量思想提出动量余弦相似度梯度下降(NSimGrad)算法。通过收敛性分析,证明SimGrad算法、NSimGrad算法都具有O(√T)的遗憾界。在构建的三个非凸函数进行测试,并结合图卷积神经网络在四个数据集上进行实验,结果表明SimGrad算法保证了图卷积神经网络的收敛性,NSimGrad算法进一步提高图卷积神经网络训练的收敛速度和测试准确度,SimGrad、NSimGrad算法相较于Adam、Nadam具有更好的全局收敛性和优化能力。

基于相对熵和余弦相似度的并行SVM算法

针对大数据环境下并行支持向量机(SVM)算法存在子集分布偏差大,并行效率低以及过滤非支持向量不准确等问题,提出了基于相对熵和余弦相似度的并行SVM算法(RC-PSVM)。该算法首先提出基于相对熵的数据划分策略(DPRE),平衡当前子集和原始数据集的相对熵,划分样本到适合的子集,降低子集分布偏差;然后提出基于余弦相似度的冗余层级检测策略(CS-RLDS),计算相邻层局部SVM之间法向量的余弦相似度,比较设定的阈值与相似度,识别并停止冗余层级,提高了并行效率;最后提出非支持向量过滤策略(NSVF),结合样本到多个局部支持向量模型决策边界的距离,计算支持向量相似度来识别非支持向量,解决了过滤非支持向量不准确的问题。实验表明,RC-PSVM算法的分类效果更佳,且在大数据下的运行效率更高。

基于组合相似度动态聚类和词熵的网络话题在线检测

[研究目的]为实现网络热点话题的在线检测,提升增量式聚类算法的聚类效果,提出了基于组合相似度的动态聚类算法,同时通过计算词熵实现主题词提取和演化跟踪。[研究方法]通过CIFG-BiLSTM-CRF模型实现文本的命名实体识别,计算文本与话题的实体相似度,再取文本词向量与话题中心余弦相似度的最大值作为词向量相似度,二者结合判断文本所属话题。在聚类过程中利用时间窗口策略实现话题中心和成员文本的动态更新。同时,计算文本词熵,生成话题的词熵和列表,实现话题主题词提取和演化跟踪。实验以新冠疫情新闻为数据实现话题在线检测,并展示了话题主题词的演化和跟踪过程。[研究结论]实验表明,与传统相似度计算方法相比,组合相似度能够获得更好的聚类效果,聚类过程中提取出的话题主题词也正确地反映了原始数据的热点话题内容。

基于余弦相似度列置换的Q矩阵修正方法

国内外研究者已开发出多种有效的Q矩阵修正方法,但当Q矩阵错误率较高时,仍存在修正效果不佳的问题.该文将基于塔克一致性系数和余弦相似度的列置换方法融入4种Q矩阵修正方法(GDI、Hull、MLR-B和stepwise)中,并借助Q矩阵向量和元素正确率等指标来评价新方法的修正效果.蒙特卡罗(Monte Carlo)模拟研究结果表明:在各种条件组合下,4种Q矩阵修正方法经过列置换后的修正效果得到明显提升,特别是当Q矩阵错误率较高时效果更加显著.

医学图像特征相似度度量的网络压缩研究

为提高深度学习网络迁移应用于医学图像领域的性能,针对通道间相互独立剪枝压缩网络导致模型性能下降的问题,采用峰值信噪比方法对网络层内部及网络层之间的特征激活图进行相似度度量,整体评价层内及层间通道的重要性.首先,对医学图像进行预处理,采用峰值信噪比法度量预处理后图像与网络的各节点汇合层的相似度确定迁移网络深度.其次,对同一层内特征和不同层间的特征进行特征相似度度量并按照度量结果进行排序.最后,通过特征度量结果和期望压缩系数对网络进行压缩.实验结果表明:采用特征相似度度量对迁移网络通道剪枝仅小幅降低性能就能有效进行网络压缩.因此采用峰值信噪比法度量特征相似度可以作为通道剪枝的判断依据.

融合SVM-LDA与加权相似度的潜在新兴技术识别研究——以人工智能领域为例

在新一轮科技革命和产业变革加速发展的大背景下,如何在新技术不断涌现的技术大海中精准找到和识别出有颠覆性潜力的新兴技术,对于国家、企业参与主体和相关商业投资机构把握科技创新发展趋势和方向、合理配置科技资源、提前进行科技战略规划与技术布局具有重要的意义。本文提出一种基于知识增强SVM-LDA(Support Vector Machine-Latent Dirichlet Allocation)的新兴技术主题识别模型。首先,基于专家小组的先验知识,制定基础技术类别划分标准;其次,将技术类别划分标准作为先验知识输入SVM-LDA模型,得到技术主题聚类结果;再其次,基于类别主题词的加权相似度计算,确定潜在新兴关键技术;最后,以人工智能领域为例进行实证研究。采用本文模型共得到24项潜在新兴技术,主要分布在特种机器人技术、监测预警技术、视频图像处理技术、语音识别技术、自动规划和决策技术以及自然语言处理技术6个大类方向。

文本相似度计算方法综述

文本相似度计算是自然语言处理的一部分,用来计算两个词、句子及文本之间的相似程度,具有多种应用场景,文本相似度计算的研究对于人工智能的发展有着重要作用。文本相似度计算起初基于字符串表面,随着词向量的提出,文本相似度计算可进行基于统计以及深度学习的建模与计算,也可与预训练模型相结合。首先,将文本相似度计算方法分为基于字符串、基于词向量、基于预训练模型、基于深度学习、其他方法5类,并对这些方法进行简要介绍。然后,根据不同文本相似度计算方法的原理,具体介绍了编辑距离、汉明距离、词袋模型、向量空间模型(VSM)、深度结构语义模型(DSSM)、句子嵌入的简单对比学习(SimCSE)等常见方法。最后,对文本相似度计算常用的数据集以及评价标准进行整理和分析,并对文本相似度计算的未来发展进行展望。

融合知识推理与相似度检索的民众诉求大模型构建与应用

高效回复民众诉求是实现智能化管理、提升民众满意度的必要措施,将智能问答应用于民众诉求能有效节约人力和时间资源。然而,智能问答中基于规则和检索的模型依赖预设知识,当诉求超出预设知识范围时无法提供有效回复,在处理多轮对话时也无法保持对话连贯性。现有的大语言模型可以和用户流畅对话,但通用大语言模型缺乏诉求领域知识。由于训练数据中问答对的信息没有覆盖回答用户问题所需要的知识,导致通用大语言模型生成错误回复或答非所问,产生幻觉。针对上述问题,构建了面向民众诉求领域的智能问答大语言模型(PC-LLM)。设计基于BERT-BiLSTM-CRF的实体关系抽取模型获得诉求工单中实体及其关系,进而构建诉求知识图谱,使用BERT模型对诉求工单向量化并构建诉求工单向量索引库;回复生成阶段,抽取用户诉求的实体和关系,在诉求知识图谱中通过实体链接进行知识推理,获取潜在关系提示,同时在诉求工单向量索引库内对诉求进行快速检索,获取相似诉求并构建相似诉求提示;将潜在关系提示、相似诉求提示与用户诉求融合形成综合提示,引导大语言模型生成准确的回复。实验分析显示,该大语言模型在诉求数据集中的表现明显优于ChatGPT4o、文心一言、通义千问等大语言模型。

面向稀疏数据的协同过滤算法相似度

针对数据稀疏加剧导致传统相似度模型的推荐准确性低的问题,提出一种混合的协同过滤相似度模型。引入Jensen-Shannon(JS)散度作为基函数,利用全局评级概率分布衡量用户间评级偏好相似度。定义融合评级值的结构型相似度作为权重因子,针对用户的共同评级项目设计差异化的相似度计算方式,提高相似用户的区分度,得到基于相对区间跨度的相似度。在不同稀疏度数据集上与7种具有代表性的相似度方法进行对比实验,其结果表明了所提方法在预测和推荐准确性指标上均有良好性能。

董事高管责任保险与审计师履职行为——来自关键审计事项相似度的证据

为健全资本市场体系,董事高管责任保险以及审计师在关键审计事项传递信息的作用不容忽视。以我国2018—2021年沪深A股上市公司为样本,基于关键审计事项文本相似度视角研究了董事高管责任保险对审计师履职行为的影响,实证结果表明董事高管责任保险会促使审计师积极履职,降低关键审计事项文本相似度,机制分析发现董事高管责任保险通过提高代理成本使审计师积极履职;进一步研究发现,当审计师行业专长较高、客户重要性较高时,董事高管责任保险更能提高审计师履职积极性。基于此,提出了关于董事高管责任保险和审计师的对策建议,并扩展了审计师履职行为的界定,有助于更全面认识董事高管责任保险和关键审计事项在公司治理中发挥的作用。

基于Roberta的中文短文本语义相似度计算研究

针对传统基于孪生网络的文本语义相似度计算模型中存在特征提取能力不足的问题,提出一种融合孪生网络与Roberta预训练模型SRoberta-SelfAtt。在孪生网络架构上,通过Roberta预训练模型分别将原始文本对编码为字级别向量,并使用自注意力机制捕获文本内部不同字之间的关联;通过池化策略获取文本对的句向量进而将表示结果交互并融合;在全连接层计算损失值,评价文本对的语义相似度。将此模型在两类任务下的三种数据集上进行实验,其结果相比于其他模型有所提升,为进一步优化文本语义相似度计算的准确率提供有效依据。

基于层次聚类的终端波形相似度评价方法

为深入挖掘录波波形在配电终端健康状态评估中的作用,提出了一种基于层次聚类与层次分析相结合的配电终端健康状态评估方法。通过动态时间规整(Dynamic Time Warping,DTW)算法计算源信号波形与终端录波波形的距离。将各指标对终端采样的影响两两比较,构建比较矩阵,进行层次分析,计算各指标权重。将权重与各指标下的聚类结果相结合,提出适用于终端采样波形全局对比的评估体系。通过计算源信号波形与终端采样波形之间的相似度,与评估体系比较判定终端的健康状态,实验证明该方法能为配电终端的健康状态评估提供数据支撑。

基于RBBLA混合模型的文本相似度计算方法

文本相似度计算是两个或多个文本之间相似程度的度量,它被广泛用于多个场景.针对现有研究存在的缺乏上下文交互特征捕获、语义结构信息表示不足等问题,提出一种基于RBBLA(RoBERTa-BiLSTM-Attention)混合模型的文本相似度计算方法,该模型基于RoBERTa模型预训练,获得词语的向量化表示,并提取句子中的语义特征;接着使用双向长短期记忆网络及注意力机制提取上下文依赖关系;最后将两句子的文本特征经聚合操作后由Softmax函数处理得到相似度评分结果.将RBBLA模型与RoBERTa等基准模型在LCQMC数据集上进行对比实验,结果表明,与最优模型相比,RBBLA模型在准确率、精确率等指标上分别提升了2.9、2.1个百分点.

基于交互式特征与多尺度特征的文本相似度研究

针对文本相似度分析过程中缺乏信息传递和忽略多元语义信息而导致相似度计算结果准确率低的问题,结合双向长短期记忆网络(BiLSTM),提出一种新颖的交互式特征与多尺度特征的文本相似度模型(IF-MSF)。首先,利用BiLSTM对句子进行编码提取全局特征矩阵,分别用软注意力机制和余弦相似度对特征矩阵进行交互,以相互传递两组特征矩阵内部的语义信息。其次,加权两组交互式特征以综合所有交互信息,并利用BiLSTM对加权交互式特征和初始编码特征再编码以捕获特征之间的差异信息。再次,使用多尺度卷积提取差异信息的多元语义特征并结合通道注意力机制增强重要特征信息。最后,融合两组增强特征判断文本对是否相似。实验选取2个数据集来验证该方法,该模型F1值分别取得最高值88.15%和85.03%,优于其他方法。

连续型直觉模糊集的逻辑相似度

直觉模糊集的相似度被广泛用于模式识别等人工智能领域.为了解决无限论域上直觉模糊集的相似性度量问题,并将直觉模糊集的相似度分析纳入到逻辑推理的框架之中,借助逻辑算子构造了连续论域上的2种直觉模糊集相似度,一种是先积分后聚合,另一种是先聚合后积分,证明了其满足相似度的4个条件.进一步,考虑到实际应用中各属性权重的差异,提出了连续论域上的满足归一化条件的加权直觉逻辑相似度,证明了其满足相似度的4个条件.最后,将所提出的2类相似度应用于模式识别和市场预测等领域,均得到了与直观吻合的结果.

融合巴氏系数与综合相似度的改进加权Slope One算法

针对传统加权Slope One算法因过度依赖用户共同评分项导致在过稀疏数据集中预测准确度低的问题,提出一种融合巴氏系数与综合相似度的改进加权Slope One算法(BS-WSO)。首先,引入巴氏系数和用户行为偏好对用户相似度计算方法进行改进,依此筛选出待预测的近邻集合;其次,为了优化预测评分,利用巴氏系数和项目流行度计算项目相似度,并将其作为权重因子融入评分计算;最后,将BS-WSO与几种代表性算法进行比较,仿真实验结果表明,BS-WSO算法能有效克服数据过稀疏情况下预测准确度低的缺陷,提高推荐精确度。

基于余弦相似度的内容比对程序设计与实现

文章设计并实现了一个基于Python语言,利用余弦相似度进行内容比对的程序。该程序能够高效地比对Word和PDF文档内容相似度,通过内容解析、文本分词以及余弦相似度计算等关键技术,实现对文档内容相似度的精确评估。与其他相似应用相比,该程序能够进行脱机处理,可用于本地化作业查重。论文详细阐述了程序的设计思路、关键技术、具体编程实践以及测试验证过程,为文档内容比对的研究与应用提供参考。