基于残差网络融合多关系评论特征的虚假评论检测

随着电子商务和短视频社区平台的兴起,涌现出的虚假评论严重影响了用户体验。甚至为了对抗平台检测,伪装的评论(Review Camouflage)更加难以辨别。当前基于图神经网络(Graph Neural Networks,GNNs)的虚假评论检测方法在深层训练过程中容易出现网络退化和梯度消失问题。同时评论伪装导致评论标记更加倾斜,从而影响GNNs检测模型的鲁棒性。针对以上问题,提出了一种基于残差网络的检测方法MRDRN,可融合多关系评论特征进行虚假评论识别。首先,为了减缓网络退化,结合残差网络进行深层评论特征提取,并给出一种新的邻居混合采样策略,可根据评论之间的特征相似性进行低阶及高阶邻居混合采样,从而缓解评论标记不均衡的问题并学习更加丰富的评论特征。其次,提出了一种多关系评论特征融合策略,通过关系内评论网络拓扑与多关系间评论特征的整体融合,来减小评论伪装的影响。在3个真实数据集上进行实验,结果表明,MRDRN相比基准方法具有更高的检测能力和更强的鲁棒性。

基于加权关系图谱特征的图像检索

基于相似性度量的图像检索方法大多仅考虑检索图像与结果图像之间的距离,而不考虑结果之间的关系,使得检索精度受到影响。该文提出了基于加权关系图谱特征的图像检索算法,该算法利用检索图像与检索初始结果图像的距离构造加权关系图,利用该关系图的谱系数夹角特征确定最终输出的检索结果。对比检索实验表明,该方法可以提高检索的精度、具有较好的稳定性。

用于参数化特征设计的父子关系图研究与应用

提出的特征模型由实体模型、测量要素、定形尺寸、定位尺寸、行为约束组成。建立了特征父子关系算子以便捕捉特征间的依存关系。提出了父子关系图的概念以便表达基于特征的零件模型；给出了访问父子关系图的算法以便实现参数化特征设计。介绍了以本文思想为基础开发的一个应用系统的特点。

一种结合多尺度特征图和环型关系推理的场景图生成模型

场景图为描述图像内容的结构图(Graph),其在生成过程中存在两个问题:1)二步式场景图生成方法造成有益信息流失,使得任务难度提高;2)视觉关系长尾分布使得模型发生过拟合、关系推理错误率上升。针对这两个问题,文中提出结合多尺度特征图和环型关系推理的场景图生成模型SGiF(Scene Graph in Features)。首先,计算多尺度特征图上的每一特征点存在视觉关系的可能性,并将存在可能性高的特征点特征提取出来;然后,从被提取出的特征中解码得到主宾组合,根据解码结果的类别差异,对结果进行去重,以此得到场景图结构;最后,根据场景图结构检测包含目标关系边在内的环路,将环路上的其他边作为计算调整因子的输入,以该因子调整原关系推理结果,并最终完成场景图的生成。实验设置SGGen和PredCls作为验证项,在大型场景图生成数据集VG(Visual Genome)子集上的实验结果表明,通过使用多尺度特征图,相比二步式基线,SGiF的视觉关系检测命中率提升了7.1%,且通过使用环型关系推理,相比非环型关系推理基线,SGiF的关系推理命中率提升了2.18%,从而证明了SGiF的有效性。

基于中文字邻接图的食品抽检公告实体及关系联合抽取

在对中文食品抽检公告进行实体与关系抽取时,常会出现包含大量食品名称与食品分类的长句,现有深度学习模型在进行实体关系抽取时,只将文本看作一串字词序列来编码,当句子较长且词间距离过大时,词间强依赖关系的学习效果会减弱。而这一问题在食品领域的实体关系抽取中少有被关注,所以该研究提出基于改进中文依存句法树与多特征融合的实体关系联合抽取模型(TAG-JE),该模型将词间具有的强依赖关系通过句法依存树建立关系图,再根据中文BERT编码的字处理模式,将关系图转化为字邻接图,再由图神经网络学习字邻接图的结构特征,最后将之与BERT提取的文本上下文特征融合,融合权重通过门网络结构自主调节,以获得公告文本的多特征融合特征表示。获得的融合特征将采用主流的联合抽取模型进行实体与关系的抽取,并在关系判断时使用强化学习训练的关系选择器来优化关系的嵌入信息,以提升联合抽取方法在关系判断上的准确率。为了验证TAG-JE的效果,将其与主流的深度学习模型在自建的非结构化食品抽检公告数据集上进行了抽取效果对比,结果证明TAG-JE的精确率、召回率与F1值分别达到90.86%,90.50%,90.68%,相对其他基线模型都有较大提升,证明了其在中文食品抽检文档中的知识挖掘能力。针对中文公共数据集的试验中,该模型相对GraphRel与CasRel这些经典联合抽取模型也取得较好的结果,证明TAG-JE也有较好的泛化效果。研究结果可为食品安全中文知识图谱的构建提供技术参考。

融合多层门控与关系图注意力的方面情感分析

作为目前方面情感分析领域的主流技术,序列化神经网络和图神经网络分别聚焦于语义和句法关系建模。针对序列化神经网络无法准确捕获复杂句的远距离依赖关系,图神经网络缺乏局部序列语义以及精细的最终情感表达等问题,设计了一种多层门控与关系图注意力混合网络。采用预训练模型ERNIE 2.0生成语境化表示,构建方面门控循环单元捕获有关方面的序列语义信息,使用关系图注意力网络学习局部序列语义中的高阶句法特征。最后由双重蒸馏门控网络构成的特征蒸馏双通道,强化特定方面与上下文之间的交互,过滤语义和句法中的冗余信息,获取兼具语义和句法关系的方面情感增强表示。在Twitter和SemEval2014数据集上进行的实验表明,相较于八种先进基线方法,所提出的混合网络具有更优的分类性能。

论总图运输的学科特征、专业关系及其发展

阐述了总图运输的学科特征，包括学科属性和范畴，论述了总图与运输、总图与工艺以及总图与其它专业的相互关系。提出了总图运输学科发展的框架体系及相应的研究课题。

由抽象函数关系式解读函数图象特征

在全国各地高考试题中，抽象函数遍地开花．但学生对于抽象函数符号表达的函数性质，理解起来比较困难，不同的情况容易混淆．现把中学数学中常见到的几种形式及其对应的图象直观理解总结如下：

关系图特征在敏感群组挖掘中的应用研究

本文阐述了机器学习模型如何在减少人工干预的情况下利用更多的数据维度,形成关系图特征,在识别敏感人员或者敏感关系识别中为敏感群组挖掘工作提供有力的预测支持。并对机器学习的关系图特征在敏感群组挖掘中的应用进行了展望,提出加强机器学习在情报信息系统中的应用的建议。

基于热加工图的钼金属热变形特征研究

通过热压缩试验研究钼金属在应变速率为0．01～10s^-1，变形温度为900～1450℃条件下的热变形性能，建立了基于流变应力的钼金属热变形的本构方程。综合考虑应变速率和变形温度对材料微观结构及性能的影响，根据动态材料模型（DMM）建立了钼金属的热加工图，并利用加工图确定了热变形时的流变失稳区，分析了不同区域钼金属的高温变形特征。

基于特征匹配的亚像素级全景图像配准算法

为了提高全景图全自动拼接中图像配准的速度和匹配稳健性,提出了一种基于相对距离法去除外点的亚像素级图像配准算法,并给出了分析和实验结果,亚像素级像素定位误差在0.01～0.1之内。在对12组图像匹配的实验结果表明,该匹配算法的匹配正确率达到100%,且匹配的时间小于目前通用的RANSAC匹配算法。

图像匹配的物体空间关系推理表达

物体空间关系指的是物体在欧氏空间中的邻近关系,根据图像中包含物体的邻近关系解决图像匹配的问题。本文首先基于对比机制训练物体块特征提取网络,构建物体块深度特征,该特征可以有效匹配不同图像中的相同物体块;其次,基于已有的先验图像数据推理表达图像中物体的空间邻近关系,构建场景物体空间邻近图;进而基于该空间邻近图计算场景图像对的空间邻近度,完成图像空间关系匹配。试验表明不匹配图像间的空间邻近度一般为0,而匹配图像间的空间邻近度一般大于0,本文空间关系匹配涉及多个物体间的相互关系,具有更强的稳健性,其匹配效果明显优于对比试验中的其他方法,可以高效稳定地完成图像匹配任务。

线状纹理的一种属性关系图描述方法及其应用

纹理特征是图像分析的重要线索 ,纹理分析方法可以分为统计方法和结构方法 ,两者各有优劣 .结合统计分析方法和结构分析方法两个方面的优点 ,提出了一种线状纹理的属性关系图 (attributed relational graphs,ARG)描述方法 ,用属性关系图来描述图像纹理 ,并应用于图像检索中 .属性关系图描述方法用图的结构直观地描述了图像的特征 ,具有很强的表达能力 .提取直线段作为线状纹理的基元 ,并引入了基元间具有平移、旋转和伸缩不变性的关系属性 ,使纹理图像的识别和检索具有好的抗噪声能力 .实验证明该方法取得了令人满意的识别和检索效果 .

异构环境中基于特征关系的产品建模方法研究

基于特征的产品数据交换的完整性、一致性是异构集成环境下亟待解决的一个关键问题。该文在给出异构集成交换平台模型的基础上，提出了一种建立在平台上的基于特征关系的产品建模方法。该文试图从较高的层面上解决异构环境下基于特征的产品信息交换问题，以避免异构系统间的数据差异。该文在给出产品的交换平台模型的基础上，研究了基于特征关系的产品数据模型。最后分析了该模型的优点与尚需改进的地方。

基于图的特征词权重算法及其在文档排序中的应用

信息检索的核心工作包括文档的分类和排序等操作,如何对文档中的特征词权重进行有效度量是其中的一项关键技术。利用词的共现等关系为每个文档建立文本图,基于邻接词间重要性相互影响的思路,结合文档中特征词的词频特性,迭代计算每个词的权重,进一步结合文本图的密度等全局特性,对信息检索的结果进行排序。实验证实,算法在标准数据集上具有良好的效果。

结合相关系数和特征分析的植被区域自动变化检测研发

地表变化检测是遥感大数据应用的重要内容,为此以植被区域为研究对象,结合相关系数和特征分析提出图斑级自动变化检测应用方法并研发软件。该方法结合光谱和纹理特征构建地物相关系数,采用相似性度量方式进行植被区域的变化检测;然后通过分析植被与其他地物类型之间的光谱差异,选择红光波段比值进行伪变化去除;最后基于.NET框架和ArcGIS Engine二次开发组件库,设计研发了一款变化检测工具软件。导入实验数据进行变化检测,实验结果表明软件的变化检测达到94.3%的正确率和8.5%的漏检率,相对人工交互解译,软件自动化水平较高。研究结果表明所提方法和软件具有良好的应用价值。

基于特征依赖图的仪器仪表特征造型建模

仪器仪表计算机辅助设计系统中因器件精密关系复杂而导致在建模的过程当中容易出现不能正确维护设计者的意图的缺陷,本文针对这个问题,采用变量化特征造型方法设计系统,并提出用特征依赖图的数据模型来组织各种仪器仪表特征,以正确无误实现设计者的思想。特征信息用各种完全语义约束来保存和维护,而且特征的语义约束能够双向保持,从而保证了语义的完整性和双向一致性,仪器仪表的可靠性设计,维修性设计,现代化设计在一定的程度上得到了极大的提高。

基于约束的特征关系表达

该文对基于约束的特征关系进行了深入研究。首先分析了约束与设计意图的关系及其对产品构成的影响，指出特征高层关系的表示是特征参数化的重要内容。在分析特征之间存在的各种约束关系的基础上，提出了用一种图———特征关系图（Ｆｅａｔｕｒｅ Ｒｅｌａｔｉｏｎｓｈｉｐ Ｇｒａｐｈ ，简写为ＦＲＧ） 来表示这些关系及其属性，并给出了对ＦＲＧ 图管理的具体算法。该文的研究结果在某ＣＩＭＳ工程中的产品建模系统ＸＬＭＦＣＡＤ 中得到了应用。

特征关系与工艺决策

从并行工程的原理出发,提出了一个基于特征的并行 CAPP 系统.在特征建模的基础上,系统能够推理特征之间的关系,产生零件的特征向量图;利用加工知识库,通过动态规则匹配,系统可以确定特征的加工方法、加工参数及其加工顺序;通过优化确定最佳的工艺计划.

零件形状特征图树分解原理及应用

如何用特征构造零件的信息模型,是特征建模中至今悬而未决的同题,本文作者从零件形状特征关系图入手,研究了零件形状特征关系图的一些构造规律,首次提出了零件形状特征图树分解原理,并比较成功地运用到了回转类零件的特征建模和相应的基于特征的CAD系统开发之中,为用形状特征构造零件信息模型以及开发基于特征的CAD系统提供了理论依据和建模思路。