期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
结合图卷积网络的多模态仇恨迷因识别研究
1
作者
刘旭东
杨亮
+1 位作者
张冬瑜
林鸿飞
《重庆理工大学学报(自然科学)》
CAS
北大核心
2024年第1期169-179,共11页
针对现有迷因识别方法常忽视网络实体作用的情况,提出一种结合图卷积网络的迷因识别方法。提取图像中网络实体信息,利用图卷积网络对网络实体模态和文本模态进行融合,结合外源词典从多角度衡量网络实体和迷因文本之间的关系,构建跨域图...
针对现有迷因识别方法常忽视网络实体作用的情况,提出一种结合图卷积网络的迷因识别方法。提取图像中网络实体信息,利用图卷积网络对网络实体模态和文本模态进行融合,结合外源词典从多角度衡量网络实体和迷因文本之间的关系,构建跨域图;通过注意力模块对文本和图像模态进行交互,结合自蒸馏技术提高模型对信息的利用率。实验结果表明:该方法在Hateful Memes和MAMI数据集上的准确率分别达到76.03%和73.9%,性能优于现有的SOTA模型。
展开更多
关键词
迷因
识别
网络实体识别
隐式情感分析
图卷积
网络
下载PDF
职称材料
基于深度神经网络的网络安全实体识别方法
被引量:
18
2
作者
秦娅
申国伟
+1 位作者
赵文波
陈艳平
《南京大学学报(自然科学版)》
CAS
CSCD
北大核心
2019年第1期29-40,共12页
基于安全知识图谱的网络安全威胁情报分析能够细粒度地分析多源威胁情报数据,因此受到广泛关注.传统的命名实体识别方法难以识别网络安全领域中新的或中英文混合的安全实体,且提取的特征不充分,因此难以准确地识别网络安全实体.在深度...
基于安全知识图谱的网络安全威胁情报分析能够细粒度地分析多源威胁情报数据,因此受到广泛关注.传统的命名实体识别方法难以识别网络安全领域中新的或中英文混合的安全实体,且提取的特征不充分,因此难以准确地识别网络安全实体.在深度神经网络模型的基础上,提出一种结合特征模板的CNN-BiLSTM-CRF的网络安全实体识别方法,利用人工特征模板提取局部上下文特征,进一步利用神经网络模型自动提取字符特征和文本全局特征.实验结果表明,在大规模网络安全数据集上,提出的网络安全实体识别方法,相关评价指标优于其他算法,F值达到86%.
展开更多
关键词
网络
安全
实体
识别
特征模板
CNN
BiLSTM
CRF
下载PDF
职称材料
题名
结合图卷积网络的多模态仇恨迷因识别研究
1
作者
刘旭东
杨亮
张冬瑜
林鸿飞
机构
大连理工大学计算机科学与技术学院
大连理工大学软件学院
出处
《重庆理工大学学报(自然科学)》
CAS
北大核心
2024年第1期169-179,共11页
基金
国家自然科学基金项目(62076046,62076051)。
文摘
针对现有迷因识别方法常忽视网络实体作用的情况,提出一种结合图卷积网络的迷因识别方法。提取图像中网络实体信息,利用图卷积网络对网络实体模态和文本模态进行融合,结合外源词典从多角度衡量网络实体和迷因文本之间的关系,构建跨域图;通过注意力模块对文本和图像模态进行交互,结合自蒸馏技术提高模型对信息的利用率。实验结果表明:该方法在Hateful Memes和MAMI数据集上的准确率分别达到76.03%和73.9%,性能优于现有的SOTA模型。
关键词
迷因
识别
网络实体识别
隐式情感分析
图卷积
网络
Keywords
meme recognition
web entity detection
implicit sentiment analysis
graph convolutional network
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于深度神经网络的网络安全实体识别方法
被引量:
18
2
作者
秦娅
申国伟
赵文波
陈艳平
机构
贵州大学计算机科学与技术学院
贵州省公共大数据重点实验室
出处
《南京大学学报(自然科学版)》
CAS
CSCD
北大核心
2019年第1期29-40,共12页
基金
国家自然科学基金(61802081)
贵州省自然科学基金(20161052)
+1 种基金
贵州省公共大数据重点实验室开放课题(2017BDKFJJ024)
贵州大学博士基金(201526)
文摘
基于安全知识图谱的网络安全威胁情报分析能够细粒度地分析多源威胁情报数据,因此受到广泛关注.传统的命名实体识别方法难以识别网络安全领域中新的或中英文混合的安全实体,且提取的特征不充分,因此难以准确地识别网络安全实体.在深度神经网络模型的基础上,提出一种结合特征模板的CNN-BiLSTM-CRF的网络安全实体识别方法,利用人工特征模板提取局部上下文特征,进一步利用神经网络模型自动提取字符特征和文本全局特征.实验结果表明,在大规模网络安全数据集上,提出的网络安全实体识别方法,相关评价指标优于其他算法,F值达到86%.
关键词
网络
安全
实体
识别
特征模板
CNN
BiLSTM
CRF
Keywords
network security entity recognition
feature template
CNN
BiLSTM
CRF
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
结合图卷积网络的多模态仇恨迷因识别研究
刘旭东
杨亮
张冬瑜
林鸿飞
《重庆理工大学学报(自然科学)》
CAS
北大核心
2024
0
下载PDF
职称材料
2
基于深度神经网络的网络安全实体识别方法
秦娅
申国伟
赵文波
陈艳平
《南京大学学报(自然科学版)》
CAS
CSCD
北大核心
2019
18
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部