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。

基于知识注入提示学习的专利短语相似度计算

专利是授予发明者在一定时期内保护其发明的法定权利,在当今的社会活动中发挥着重要作用。然而现有研究并未针对专利相似度数据进行适配优化,导致其应用在专利短语相似度匹配任务中效果不佳。已有研究表明,在低资源的场景下,提示学习将文本片段(模板)作为输入,将分类问题转换为掩码语言建模问题,其关键的一步是在标签空间和标签词空间之间构造一个投影。提出一种基于知识注入的提示学习方法,将其应用于专利短语相似度匹配计算任务。为解决专利短语信息不足的问题,利用专利短语中的相似度标签信息,使用知识增强专利短语与标签信息。首先通过实体链接技术建立专利短语与外部知识的关联关系;然后设计一种基于实体影响度的邻域信息过滤机制,用于缓解专利短语信息不足的问题;最后考虑不同外部知识对专利短语相似度计算的影响,设计应用于专利短语的多种增强提示文本。实验结果表明,该方法的Pеarson相关系数(PCC)和Spеarman相关系数(SRC)相较次优对比方法分别提升6.8%和5.7%。

基于图像特征的汉字字形相似度计算

汉字作为一种数量众多,结构复杂的象形文字,其字形的相似度计算对汉语的错别字识别和纠正具有重要意义。将汉字视为图形,通过尺度不变特征变换算法提取汉字的特征点,并利用汉字间特征点的对应关系,提出了一种基于特征点的相似度计算方法。对《通用规范汉字表》的8105个汉字进行了相似度分析,结果表明,该方法和人的认知结果比较一致。

融合词性与语义相关性的图书馆智能咨询系统问句相似性计算方法研究

[目的/意义]提高问句相似性计算的准确性,对改善图书馆智能咨询的实际效果具有重要作用。[方法/过程]引入特征词在问句之间的语义相关性指标,提出了融合词性与语义相关性的问句相似性计算方法。首先构建咨询领域专业词典以增强问句处理的业务针对性,然后提出特征词词性权重和语义相关性权重度量方法,并融合两者度量词语在问句中的作用以构建问句语义表征向量,最后采用余弦函数计算问句相似度。[结果/结论]实验表明综合词性与语义相关性特征能有效识别问句中的核心特征词,本文提出的问句相似性计算方法比传统方法具有更高的ACC@1和ACC@3准确率。

基于弹性权重的中医医案整体相似度计算策略与方法

中医医案是中医药理论与经验传承的重要载体,医案相似度计算通过度量不同医案之间的相似性,可帮助医者在海量医案中快速找到与目前临床问题最为相似的古今医案。然而,既往的医案相似度算法多单独针对医案中某一部分数据,虽针对性强但难以从中医医案整体性的角度进行综合计算。基于此本研究提出了一种基于弹性权重的中医医案整体相似度计算策略与方法,并在团队自主开发的糖尿病肾病专家数据库中实现其应用。该方法既充分考虑医案各组成部分特点又能兼顾医案整体内容的相似度,能够有侧重地根据实际需求在医案库中精准匹配到所需医案,满足研究者的不同需求,提高了检索的灵活性和医案的利用率。

基于人体骨架的国标舞蹈动作相似度计算研究

针对目前传统舞蹈教学过程中基本通过专业舞蹈教师对舞蹈动作的标准与否进行主观判断,缺少客观评价指标的现状,采用人体骨架模型分别对图像中国标舞学习者的舞蹈动作和标准舞蹈动作计算人体关键点坐标,再计算学习者舞蹈动作和标准舞蹈动作之间的相对偏移角度,根据得到的相对偏移角度设计评估学习者舞蹈动作是否标准的客观评估指标,通过该客观评估指标的量化数据判断学习者舞蹈动作的标准程度,并提出最终的舞蹈动作修正建议。在实拍舞蹈动作图像上的仿真结果表明,该方法所得客观评价结果与主观评价结果相一致,对于实时判断国标舞学习者动作标准程度有着良好的效果。

一种基于自适应结构感知池化图匹配的图相似度计算模型

图相似度计算在许多有关图的任务中起着重要作用,例如图相似性搜索、图分类和图聚簇等。由于计算2个图之间的精确距离/相似度通常是NP-hard的,因此基于神经网络提出了自适应结构感知池化图匹配网络模型(ASAPMN),用端到端的方式来计算任意2个图结构之间的相似性。利用一种新颖的自我注意网络和一种改进的图神经网络来确定给定图中每个节点的重要性,通过学习对每一层的节点进行稀疏软集群分配,从而有效地池化子图,形成池化图。在池化后的图对上利用结点-图匹配网络有效地学习一个图的每个节点与另一整个图之间的跨层交互提取图间相似度。在4个公共数据集上的综合实验结果表明,ASAPMN在图-图分类和回归任务中优于最先进的基线模型。

融合词性位置特征的多任务汉老双语短文本相似度计算方法

老挝语属于低资源语言,在有限的语料中获取更多的语义信息可以有效解决汉语和老挝语短文本相似度计算不准确的问题。多任务学习是有效获取语义信息的一种方法,该文对汉语和老挝语短文本特点进行研究后,提出一种融合词性位置特征的多任务汉老双语短文本相似度计算方法:首先,通过词性位置特征权重和TF-IDF权重加权表征双语短文本的同时,使用改进后的TextRank算法获取双语短文本的核心句;然后,通过带有自注意力机制的双向长短时记忆网络分别计算双语短文本的相似度与双语短文本对应核心句的相似度;最后,使用多任务学习方法,将双语短文本的核心句相似度计算作为辅助任务,获取更多的语义信息进行共享以提升汉老双语短文本相似度计算模型的性能。实验结果表明,该文提出的方法在有限的训练语料下取得了更好的效果,F_(1)值达76.16%。

计算机课程相似度计算方法及其改进

在传统描述方法上,计算机科学课程一般使用教学计划和教学大纲来描述专业知识和课程知识点的整体结构,由于计算机科学课程结构复杂,各个课程间联系紧密,依靠传统方法不足以把握计算机科学课程的总体结构和专业课之间的普遍联系。文章针对传统方法的不足,提出构建基于计算课程知识图谱的方法,具体包括:①课程知识图谱的构建,量化课程知识点关系,构建知识点关系矩阵,量化各知识点间的关系;②课程关系的构建,量化所有课程间的关系;③国外计算机名校关系的构建分析。研究发现,计算课程知识图谱的构建和分析将对目前计算机科学专业课程的改革研究具有一定的创新意义,这种计算机科学专业课程知识图谱的构建方法,可弥补传统课程描述方法上的不足,为计算机科学专业课程改革分析提供一定的数据支持,同时,对相似度的衡量提供了一种新的方法,提高了相似度衡量速度。该方法也可移植到其他学科。

融合过滤和相似度计算的高错误率基因组数据敏感序列识别

为解决现有算法难以有效识别高错误率测序数据中敏感序列的问题,提出一种融合过滤和相似度计算的敏感序列识别算法.首先,分割待识别序列为多条短序列,通过构建双布隆过滤器,对短序列进行动态过滤去重,以避免重复运算;然后,对短序列局部片段进行k-mer编码,改进优化短序列局部片段相似性度量的方法,以准确识别短串联重复序列;其次,对短序列进行k-mer编码并与GWAS Catalog数据库中敏感序列进行计算比对,以准确识别疾病相关序列;最后,依据短序列识别结果,生成待识别序列的两条掩码序列,作为识别测序数据中敏感序列的结果.实验结果表明,与同类算法LRF和SRF相比,本文算法对错误率2%~20%的测序数据中敏感序列的平均识别准确率分别提高1.96%和3.66%,查准率分别提高40.08%和68.36%,有效提升高错误率基因组数据中敏感序列识别的效果.

基于元结构匹配与有偏采样的图相似度计算方法

作为图分类、图相似搜索等诸多图数据分析任务的核心步骤,图相似度计算一直是备受研究者们所重视的一个热点问题.由于传统图相似度计算方法的复杂性,无法适用于实时计算节点较多的图相似度任务,针对此问题研究者们提出了新型的基于图神经网络的图相似度计算方法.然而这些算法虽有效加快了图相似度的计算,但是仍然存在两方面的不足,从而影响了他们的性能:(1)多数现有工作通过节点级或图级嵌入的比较来衡量图之间的相似度,忽略了大图中丰富的局部结构特征;(2)所有现有工作均随机采样生成图对数据,导致样本包含的结构不均匀,训练所得模型只对部分特定结构敏感因而误差较大.为此,本文提出了一种新颖的基于元结构匹配与有偏采样的图相似度计算方法MB-GSC(Meta-Structure Matching and Biased Sampling based Graph Similarity Computation).首先提出GSE(Graph Structure Extraction)算法提取图中元结构并构建图的结构分布向量,然后基于此向量提出有偏采样策略RSG(Representative Sample Generation)进行代表性样本的生成,用于后续模型训练.同时,提出算法MSA(Meta Structure Alignment)对提取到的元结构进行最优匹配对齐,从而获取公有结构形状差异与特有结构数量差异,进而构建蕴含有效的局部相似信息的子结构相似向量.最后,在模型中集成节点级成对比较相似向量、图级神经张量网络相似向量、子结构相似向量进行图对相似性计算.为验证算法的有效性,采用5个评估指标在4个真实数据集上与基准方法进行了大量对比实验,对模型性能进行全面评估.实验结果验证了本文所提算法MB-GSC能够更准确且高效地计算图之间的相似度,在GED预测、MCS预测任务上的准确度比现有模型分别提升11.16%、7.45%,且在保证相同准确率的同时使训练样本数平均减少54%.

用带权重的pq-gram算法计算XML文档相似度

XML文档聚类是高效管理XML文档的重要手段,XML文档相似度计算正是其中的关键步骤。pq-gram算法是解决XML文档相似度计算问题的有效手段,但忽略了XML文档结点的有序性。带权重的pq-gram算法是在此基础上,依据XML文档的结构性,首先为结点赋予相应权重,然后基于结点的权重对pq-gram赋予权重,最后将设定的权重应用到XML文档相似度计算中。实验结果表明,带权重的pq-gram算法更好地描述结点在XML文档相似度计算中的贡献度,提高了XML文档相似度计算的精度。

基于语句相似度计算的FAQ自动回复系统设计与实现

FAQ(Frequently Asked Question)在互联网站上广泛使用,但绝大多数FAQ的检索与回复都是手工进行.本文介绍了一个较为完整的基于语句相似度计算的FAQ自动回复系统,包括基本计算模型的选取、FAQ特性的分析、FAQ数据形式化表示及特征向量索引、权重计算等,并给出详细的语句相似度计算算法,实验结果表明,对于频率高、共性大的问题,系统有很高的准确率.

基于语义依存的汉语句子相似度计算

句子间相似度的计算在自然语言处理的各个领域都占有很重要的地位,在多文档自动文摘技术中,句子间相似度的计算是一个关键的问题。由于汉语句子的表达形式是多种多样的,要准确地刻画一个句子所表达的意思,必须深入到语义一级并结合语法结构信息,由此提出了一种基于语义依存的汉语句子相似度计算的方法,该方法取得了令人满意的实验效果。

基于词汇语义计算的文本相似度研究

基于《知网》的词汇语义计算方法揭示了词汇间的语义信息。根据文本的向量空间模型描述形式,采用了基于《知网》的词汇语义计算方法来计算两篇文章向量的相关性,并用最大匹配算法来获得这两篇文章的相似度,通过该计算过程达到揭示文本所蕴涵概念的目的,并用实验对该方法的有效性进行了验证,提出了今后的改进方向。

k-部排序本体相似度计算

将本体图中每个顶点的相关信息用一个向量表示。根据本体图自身的结构将顶点分成k个部分。在每个部分中选取样本点组成S,并选择相应的排序亏损函数。运用k-部排序学习算法得到最优排序函数,从而将本体结构图中每个顶点映射成一个实数,通过比较实数间的差值判断两概念的相似程度。实验表明该方法对于计算本体概念间的相对相似度是有效的。

一种PST_LDA中文文本相似度计算方法

为了降低中文文本相似度计算方法的时间消耗、提高文本聚类的准确率,提出了一种PST_LDA(词性标注潜在狄利克雷模型)中文文本相似度计算方法。首先,对文本中的名词、动词和其他词进行词性标注;然后,分别对名词、动词和其他词建立相应的LDA主题模型;最后,按照一定的权重比例综合这三个主题模型,计算文本之间的相似度。由于考虑了不同词性的词集对文本相似度计算的贡献差异,利用文本的语义信息提高了文本聚类准确率。将分离后的三个词集的LDA建模过程并行化,减少建模的时间消耗,提高文本聚类速度。在TanCorp-12数据集分别用LDA和PST_LDA方法进行中文文本相似度计算模拟实验。实验结果显示,PST_LDA方法不仅减少了建模时间消耗,同时在聚类准确率上有一定的提高。

制造资源本体的相似度计算模型

为实现不同本体之间的知识共享和重用,需要进行本体合并或映射,本体间概念相似度计算为进行此操作的关键技术之一。在分析现有相似度计算技术以及制造资源本体特点和作用的基础上,提出了一种针对制造资源本体的相似度计算模型。该模型针对制造资源本体的特点,将基于语法的相似度计算方法和基于属性的相似度计算方法相结合,在保证相似度计算结果准确的前提下,简化了计算过程,提高了计算效率。以两个制造资源本体的部分概念为例,验证了此计算模型能够有效地计算制造资源本体的概念相似度。

面向多视图的跨部门应急处置流程相似度计算方法

为了在应急处置环境下更好地基于流程相似性进行流程的检索、推荐和重构,提出一种面向多视图的应急处置流程相似度计算方法。该方法以应急处置任务的形式化表示为基础,将应急处置流程中不同组织部门之间的协同模式分为任务同步、任务选择和消息传递三种类型;同时为更好地体现跨部门应急处置流程的多样性,分别建立了应急处置流程的任务逻辑关系视图、部门内部流程视图、部门间协同关系视图和多部门联动视图,进而以四个视图为基础,分别给出了不同视图表示下应急处置流程的相似度计算方法。上述应急处置流程多视图的呈现方式和面向多视图的流程计算方法,在自主设计并开发的煤矿突发事故应急联动管理平台中得到了应用验证。

改进的领域本体概念相似度计算方法

在领域本体中,概念间往往存在多条路径,现有的基于语义距离的方法只考虑最短距离的路径,不能完全体现出概念间的相似度。基于此,提出一种基于加权语义距离的概念相似度计算方法。该方法搜索出两概念间的所有路径,以所有路径的加权平均距离代替最短距离来计算相似度,并综合考虑节点深度、公共父节点对相似度的影响。实验表明,该方法计算出的概念相似度能够更准确地体现出概念间的相似程度。