面向高校课程的知识图谱联合嵌入模型研究

知识图谱嵌入是构建高效精准知识图谱的基础,但目前大多数知识图谱嵌入方法只注重结构信息,而忽视或未能充分利用实体的背景信息,使得嵌入信息不够准确。为充分利用课程实体中丰富的信息以更好地将知识图谱技术应用于教育场景,文章设计了一种面向高校课程的知识图谱联合嵌入模型,包含结构信息嵌入、目录信息嵌入、语义约束计算、联合嵌入四个模块。之后,文章进行了链接预测实验和实体分类实验,来分别验证该模型的有效性和准确性,实验结果显示:该模型的性能良好;与现有模型相比,该模型嵌入的质量和分类的效果均得到较大提升。最后,文章展望该模型可为面向课程的智能问答、路径推荐、信息检索和数据的可视化交互等下游教育应用提供有力支撑,其研究将加快推动知识与数据驱动的智能化教育落地。

基于视觉语义联合嵌入和注意力机制的情感预测

为了缓解图像视觉特征与情感语义特征之间存在的鸿沟,减弱图像中情感无关区域对情感分类的影响,提出了一种结合视觉语义联合嵌入和注意力模型的情感分类算法。首先利用自编码器学习图像的视觉特征和情感属性的语义特征的联合嵌入特征,缩小低层次的视觉特征与高层次的语义特征之间的差距;然后提取图像的一组显著区域特征,引入注意力模型建立显著区域与联合嵌入特征的关联,确定与情感相关的显著区域;最后基于这些显著区域特征构建情感分类器,实现图像的情感分类。实验结果表明,该算法有效地改进了现有的图像情感分类方法,显著提高了对测试样本的情感分类精度。

基于隐空间映射的联合嵌入式多标签分类算法研究

针对当前联合嵌入式多标签分类算法,在计算过程中标签参数特征模糊,导致联合嵌入式多标签分类效果较差,分类精度较低的问题,提出了基于隐空间映射的联合嵌入式多标签分类算法.选择二分类损失焦点函数,获取多标签分类指标,根据多标签分类指标,提取联合嵌入式多标签参数特征,采用隐空间映射,筛选优化多标签参数,确保粗糙与精确结构响应方式一致,实现联合嵌入式多标签分类.实验结果表明,该算法的联合嵌入式多标签分类效果较好,能够有效提高联合嵌入式多标签分类精度.

一种联合指导嵌入的实体对齐方法

实体对齐是知识图谱完善过程中必不可少的环节,当前实体对齐工作中利用了许多实体属性的信息,忽略了实体和本体之间的联系.针对实体对齐问题中缺少本体概念知识信息的问题,提出一种由实体属性和本体自下而上共同指导及联合嵌入的实体对齐方法.该方法首先对本体信息、实体信息、实体属性信息进行嵌入,之后通过本体类别信息和种子词进行本体类冲突构建、再经过本体和实体属性进行嵌入指导,最终将得到的实体对加入到种子词中并通过全连接网络进行迭代的训练.在公共数据集上进行了大量实验,使用Hits@1,Hits@5,MRR值作为模型的评价指标,并通过对比实验和消融实验验证了该模型的有效性.

基于局部联合稀疏边缘嵌入的滚动轴承故障诊断

滚动轴承是机械设备的重要零部件之一,对其进行及时有效地监测和诊断对机械设备的安全运行有着重大意义。针对多源信息融合导致的高维性、信息冗余等问题,提出了一种基于局部联合稀疏边缘嵌入(locally joint sparse marginal embedding,LJSME)的轴承故障诊断方法。LJSME利用L 2,1范数来重构类间矩阵和类内矩阵并引入局部图保留高维特征间的邻域关系,且将L 2,1范数作为目标函数的正则项以保证特征提取的联合稀疏性,从而提高特征的敏感性和鲁棒性。首先从轴承振动信号中提取由时域和频域信息组成的高维特征数据集;随后利用LJSME提取高维特征空间数据集中的敏感低维特征;最后利用K-近邻分类器实现滚动轴承的故障模式识别。通过两组滚动轴承故障数据集对所提出的方法进行验证,与其他三种降维算法相比,所提算法能够有效地提取滚动轴承振动信号的敏感性特征。

欧盟嵌入式智能系统联合开发的知识产权政策评鉴

在工业化与信息化融合的不断推进中,以信息技术为核心的计算机软硬件飞速发展引发信息产业的飞跃,其中嵌入式智能系统(包括软件和硬件)的产业化将成为实现工业化与信息化融合的重要纽带和突破口。欧盟通过建立"联合创新平台"来推动嵌入式智能系统开发和应用,并对联合创新成果的归属、许可、保护、传播、分配、转让制定专门的知识产权政策,确保项目推进。欧盟的知识产权政策将为我国在新型信息技术领域知识产权战略的确立、知识产权管理机制的创新和知识产权法律制度的完善提供借鉴意义。

电力非结构化大文本特征提取研究

电力大文本中存在大量专业词汇缩写和别名等不规则表达,现有分词工具无法有效识别电气工程领域专业词汇,这对非结构化文本的分析和利用造成很大影响。首先,根据电气工程领域非结构化文本特点,提出一种电气工程领域词汇索引规则,基于该索引规则构建的索引集进行分词能够有效改善分词效果,为电力文本特征提取提供基础。其次,利用有效的长文本分割算法保留原始文本语义信息,将基于BERT模型提取的文本特征信息与Word2Vec提取的电力词汇特征信息进行联合嵌入,从而提取到准确的电力非结构化大文本特征。最后,通过实验证明了所提出的电力非结构化大文本特征提取方法的有效性。

基于修改概率转换和非加性嵌入失真的视频隐写方法

近年来,基于运动矢量的视频隐写引起了信息隐藏领域研究者的广泛关注。许多视频隐写方法通过合理地对运动矢量定义加性嵌入失真函数获得了良好的性能,然而这些方法忽略了载体元素之间的相互嵌入影响。该文提出的利用非加性嵌入失真的视频隐写方法为运动矢量设计了可以反映相互嵌入影响的联合嵌入失真,并通过分解联合失真实现修改概率的转换,从而动态、合理地在运动矢量的水平分量和垂直分量分配秘密消息。实验结果表明,与使用加性嵌入失真方法相比,该方法能获得更好的安全性和率失真性能。

基于联合LLE和SSR的滚动轴承故障诊断方法

针对滚动轴承振动信号具有较强的非线性,且包含较多冗余和无关特征,导致提取本质特征和故障识别困难,提出一种基于联合局部线性嵌入和稀疏自表示(joint locally linear embedding and sparse self-rep-resentation,JLLESSR)与参数优化支持向量机的滚动轴承故障诊断方法.该方法构造了一个统一的特征提取框架,依靠局部线性嵌入(locally linear embedding,LLE)挖掘高维数据的局部几何结构,同时通过稀疏自表示(self-representation)在低维空间挖掘高维数据的全局几何结构,得到表征滚动轴承运行状态的嵌入特征.然后,将得到的特征输入至交叉优化支持向量机(cross-validation support vector machine,CV-SVM)中进行故障识别.最后,在常见滚动轴承故障数据集上对所提出的方法进行测试,实验结果表明提出的方法能有效识别出滚动轴承不同类型的故障,并且故障诊断精度可达98.5%.

基于云平台的制造资源智能匹配方法研究及应用

为提高制造资源利用效率,智能制造环境下要求将离散分布的制造资源快速有效地连接并动态匹配制造服务。在云平台上通过词向量建模对制造资源和用户需求进行特征描述以及向量提取,并利用联合嵌入卷积神经网络(JE-CNN)将制造资源和用户需求词向量映射到具备向量匹配基础的公共空间。以两组词向量匹配距离构建目标函数,采用自适应时刻估计法(Adam)优化该目标函数,再根据二分类(AUC)模型判断匹配度是否满足要求,从而实现制造资源的高质量、高效率匹配。最后,通过实例验证了该方法的可行性。

基于全局注意力机制的属性网络表示学习

属性网络不仅具有复杂的拓扑结构,其节点还包含丰富的属性信息。属性网络表示学习方法同时提取网络拓扑结构和节点的属性信息来学习大型属性网络的低维向量表示,在节点分类、链路预测和社区识别等网络分析技术方面具有非常重要和广泛的应用。文中首先根据属性网络的拓扑结构得到网络的结构嵌入向量;接着通过全局注意力机制来学习相邻节点的属性信息,先用卷积神经网络对节点的属性信息作卷积操作得到隐藏向量,再对卷积的隐藏向量生成全局注意力的权重向量和相关性矩阵,进而得到节点的属性嵌入向量;最后将结构嵌入向量和属性嵌入向量连接得到同时反映网络结构和节点属性的联合嵌入向量。在3个真实数据集上,将提出的新算法与当前的8种知名网络表示学习模型在链路预测和节点分类等任务上进行比较,实验结果表明新算法具有良好的属性网络表示效果。

基于数字权限管理的指纹视频技术研究

在部分加密的基础上,说明了数字指纹嵌入和视频加扰编码算法结合的应用算法。提出了一种新的指纹嵌入和解密集成的一体化技术方案结构。

Joint entity-relation knowledge embedding via cost-sensitive learning

我们将实体嵌入问题看作同时完成两个不同但相关的嵌入任务(实体嵌入和关系嵌入)的联合优化问题,并在联合嵌入框架下求解该问题。在该嵌入框架下,我们设计了联合评分函数,用以对实体和关系间的相关性实例进行量化评价,并将评分函数融入最大间隔学习方法中,使用知识库中的上下文信息学习实体与关系的嵌入向量。通过求解联合优化问题,我们的设计有效地表达了嵌入空间的固有拓扑结构。实验结果证实了我们的嵌入框架在表达不同关系的语义相关性和进行知识推理中的关系预测时的有效性。