基于神经网络的异构网络向量化表示方法

当网络中存在不同类型的对象时,对象与对象之间的关系会变得多种多样,网络的结构也会变得更为复杂。针对网络的异构化问题,提出了一种基于神经网络的异构网络向量化表示方法。针对具有图片和文本两种类型对象的异构网络,采用多层次的卷积网络将图片映射到一个潜在的特征空间,采用全连接的神经网络将文本对象也映射到相同的特征空间。在该特征空间内,图片与图片、文本与文本以及图片和文本之间的相似性采用相同的距离计算方法。在实验中,应用提出的方法进行异构网络的多种应用测试,结果表明提出的方法是有效的。

诊疗活动向量化表示研究

诊疗活动是诊疗过程的基本元素,诊疗活动向量可以应用于诊疗活动聚类、患者聚类等任务。以把握和利用诊疗活动"局部无序,全局有序"的数据特点为出发点,结合医学先验知识,提出了诊疗活动向量化表示方法CA2Vec。提出了诊疗活动向量化学习的数据处理过程框架;加入了下一个诊疗日的诊疗活动和诊断结果信息,使得所提诊疗活动向量化学习模型相比于经典模型,获得了更丰富的上下文信息;提出了基于诊断结果约束的诊疗活动负采样方法。以SNOMED-CT本体和ICD-10编码医学知识为依据设计了评估实验,并在基于特定诊疗活动的聚类、基于本体的相似性度量、基于诊疗活动类型的相关度度量、基于特定病种的分类准确度度量、基于患者向量的聚类准确度度量这几个任务上进行了对比实验。实验证明,相比其他已有的先进的词向量化学习模型,CA2Vec方法有效把握了诊疗活动的相关关系,总体上有更高的准确度。

基于Citespace知识图谱的农业知识语义智能检索方法

当前对农业知识语义的智能检索方法往往难以精准捕捉知识的深层语义,导致检索结果与目标集之间存在较大偏差,使得检索推荐列表中目标信息的平均倒数排名偏低,一定程度上影响了用户对农业知识的获取效率。为此,提出一种基于Citespace知识图谱的农业知识语义智能检索方法。通过对农业知识词向量化表示,将其转化为向量空间中的数值表示。利用Citespace软件进行关系抽取和图谱展示,建立农业知识图谱。在此基础上,对农业知识图谱中的特征向量进行扩展,以丰富其语义维度。引入余弦相似度算法来计算检索信息与扩展后的农业知识图谱中特征向量之间的相似度。基于相似度值计算结果,筛选出与检索信息相似度最高的农业知识文本。根据相似度排序生成一个检索文本列表,从而实现农业知识语义智能检索。实验结果表明,所提出的方法在检索推荐列表中的平均倒数排名保持在0.90以上,且交并比超过0.95,表明所提出的方法在农业知识语义智能检索领域具有良好的应用前景和显著优势。

基于文本分类与语义识别的电力运营数据智能处理

针对当前电力运营数据分析和利用不足的现状,提出一种基于文本分类与语义识别的电力运营数据智能处理算法。该算法采用剔除异常文本、分词以及去停顿词等操作进行电力运营文本清洗,再使用连续词袋(CBOW)模型实现电力运营文本的向量化表示。同时利用Apriori算法挖掘电力运营文本向量与文本分类结果的关联规则,并基于小批量梯度下降(MBGD)的长短期记忆网络(LSTM)算法来获取电力运营文本分类的结果。通过对新疆电网某历史数据的仿真分析结果表明,文中所提算法相较于LSTM与Apriori-SVM算法,在电力运营文本分类上具有更高的准确率;且与传统梯度下降法相比,MBGD算法能够在保持较高准确率的同时大幅缩减模型的训练时间。

基于知识图谱的大学生职位推荐方法

近年来,我国大学生的就业压力一直较大.我国经济的发展虽然创造出大量的职位,但应届大学生由于缺乏工作经验和社会阅历,面对大量的职位招聘时很难作出正确和理性的选择.为更好地推动大学生就业,本文提出了一种基于知识图谱的大学生职位推荐方法.该方法首先运用知识图谱技术构建职位知识图谱,使用图形数据库Neo4j完成知识的存储工作,通过将知识图谱中的实体与关系进行向量化表示,计算简历与职位描述间的相似度;然后通过用户对职位的行为矩阵计算得到职位间的相似度;最后将2种相似度进行融合,生成职位推荐列表.对比实验结果表明,本文所提方法在准确率和召回率等指标上均有显著提升,相较于主流职位推荐方法具有更高的精准度.

一种基于域名请求伴随关系的恶意域名检测方法

恶意域名在网络非法攻击活动中承担重要的角色.恶意域名检测能够有效地减少攻击活动所带来的经济损失.提出CoDetector恶意域名检测模型,通过挖掘域名请求之间潜在的时空伴随关系进行恶意域名检测.研究发现域名请求之间存在彼此伴随关系,而并非相互独立.因此,彼此伴随的域名之间存在紧密关联,偏向于同时是正常域名或恶意域名.1)利用域名请求的先后时间顺序对域名数据进行粗粒度的聚类操作,将彼此伴随出现的域名划分到同一簇中;2)采用嵌入学习构建映射函数,在保留域名伴随关系的同时将每一个域名投影成低维空间的特性向量;3)结合有标记的数据,训练恶意域名检测分类器,用于检测更多未知恶意域名.实验结果表明,CoDetector能够有效地检测恶意域名,具有91.64%检测精度和96.04%召回率.

智能手表网购评论情感倾向分析研究

为应对日益缩短的产品设计周期要求,帮助某智能手表品牌厂家快速准确地收集用户反馈从而助力产品品质改进,对智能手表的网购评论进行数据挖掘。首先,从电商平台爬取该品牌智能手表用户评论,执行数据预处理后将评论文本转化为向量空间模型便于后续的情感倾向分析。为选用合适的情感倾向分析方案,研究选择了三种文本的向量化表示方案,结合四种机器学习分类算法对比分析了其在情感倾向分析方面的性能表现。实验结果证明了基于TF-IDF的文本向量化表示结合支持向量机做情感二分类方案的有效性,识别准确率在92%左右。