期刊文献+
共找到71篇文章
< 1 2 4 >
每页显示 20 50 100
Graph Convolutional Networks Embedding Textual Structure Information for Relation Extraction
1
作者 Chuyuan Wei Jinzhe Li +2 位作者 Zhiyuan Wang Shanshan Wan Maozu Guo 《Computers, Materials & Continua》 SCIE EI 2024年第5期3299-3314,共16页
Deep neural network-based relational extraction research has made significant progress in recent years,andit provides data support for many natural language processing downstream tasks such as building knowledgegraph,... Deep neural network-based relational extraction research has made significant progress in recent years,andit provides data support for many natural language processing downstream tasks such as building knowledgegraph,sentiment analysis and question-answering systems.However,previous studies ignored much unusedstructural information in sentences that could enhance the performance of the relation extraction task.Moreover,most existing dependency-based models utilize self-attention to distinguish the importance of context,whichhardly deals withmultiple-structure information.To efficiently leverage multiple structure information,this paperproposes a dynamic structure attention mechanism model based on textual structure information,which deeplyintegrates word embedding,named entity recognition labels,part of speech,dependency tree and dependency typeinto a graph convolutional network.Specifically,our model extracts text features of different structures from theinput sentence.Textual Structure information Graph Convolutional Networks employs the dynamic structureattention mechanism to learn multi-structure attention,effectively distinguishing important contextual features invarious structural information.In addition,multi-structure weights are carefully designed as amergingmechanismin the different structure attention to dynamically adjust the final attention.This paper combines these featuresand trains a graph convolutional network for relation extraction.We experiment on supervised relation extractiondatasets including SemEval 2010 Task 8,TACRED,TACREV,and Re-TACED,the result significantly outperformsthe previous. 展开更多
关键词 relation extraction graph convolutional neural networks dependency tree dynamic structure attention
下载PDF
Coupling Relation Strength with Graph Convolutional Networks for Knowledge Graph Completion
2
作者 Mingshao Xu Hang Li Zhi Hu 《IJLAI Transactions on Science and Engineering》 2024年第3期9-18,共10页
In the link prediction task of knowledge graph completion,Graph Neural Network(GNN)-based knowledge graph completion models have been shown by previous studies to produce large improvements in prediction results.Howev... In the link prediction task of knowledge graph completion,Graph Neural Network(GNN)-based knowledge graph completion models have been shown by previous studies to produce large improvements in prediction results.However,many of the previous efforts were limited to aggregating the information given by neighboring nodes and did not take advantage of the information provided by the edges represented by relations.To address the problem,Coupling Relation Strength with Graph Convolutional Networks(RS-GCN)is proposed,which is a model with an encoder-decoder framework to realize the embedding of entities and relations in the vector space.On the encoder side,RS-GCN captures graph structure and neighborhood information while aggregating the information given by neighboring nodes.On the decoder side,RotatE is utilized to model and infer various relational patterns.The models are evaluated on standard FB15k,WN18,FB15k-237 and WN18RR datasets,and the experiments show that RS-GCN achieves better results than the current state-of-the-art classical models on the above knowledge graph datasets. 展开更多
关键词 Knowledge graph Completion graph convolutional networks relation strength Link prediction
原文传递
融合词法句法信息的方面级情感分析模型
3
作者 衡红军 杨鼎诚 《计算机工程与设计》 北大核心 2024年第3期837-844,共8页
为解决现有方面级情感分析方法缺乏句法约束和词义信息的问题,将句法依存树和知识图谱融合起来对句子编码,提出一种词法句法相结合的图神经网络模型。利用图神经网络分别提取句法依存树中的句法信息和知识图谱中的词法信息,经过位置编... 为解决现有方面级情感分析方法缺乏句法约束和词义信息的问题,将句法依存树和知识图谱融合起来对句子编码,提出一种词法句法相结合的图神经网络模型。利用图神经网络分别提取句法依存树中的句法信息和知识图谱中的词法信息,经过位置编码模块和掩码加权模块捕捉重要性更高的单词;将两种特征进行结合获得融合句法词法信息的文本表示,进行情感分类。在3个公开数据集上的实验结果验证了该模型的有效性。 展开更多
关键词 方面级情感分析 句法约束 词义信息 句法依存树 知识图谱 关系图注意力网络 图卷积网络
下载PDF
融合全局特征的时空网络兴趣点推荐算法
4
作者 李鹏飞 贺洋 毋建宏 《计算机工程与应用》 CSCD 北大核心 2024年第11期75-83,共9页
随着基于位置社交网络的迅速发展,兴趣点序列推荐逐渐成为近年来研究热点之一。针对现有推荐方法忽略签到数据中的全局信息,未充分考虑序列签到数据之间的时空间隔问题,提出一种融合全局特征的时空网络兴趣点推荐算法。该方法利用关系... 随着基于位置社交网络的迅速发展,兴趣点序列推荐逐渐成为近年来研究热点之一。针对现有推荐方法忽略签到数据中的全局信息,未充分考虑序列签到数据之间的时空间隔问题,提出一种融合全局特征的时空网络兴趣点推荐算法。该方法利用关系图神经网络获取签到数据异构网络图的全局特征,将时空门控融入传统门控结构中,融合全局特征对用户移动行为进行建模,再引入自注意力机制学习用户偏好向量表示。在两个真实数据集上进行实验比较与分析,实验结果表明所提方法推荐性能优于同类算法,验证了算法的有效性。 展开更多
关键词 兴趣点推荐 门控循环单元 关联图神经网络 自注意力机制
下载PDF
面向方面情感分析的多通道增强图卷积网络
5
作者 韩虎 范雅婷 徐学锋 《电子与信息学报》 EI CAS CSCD 北大核心 2024年第3期1022-1032,共11页
传统的基于单通道的特征提取方式,仅使用单一的依赖关系捕获特征,忽略单词间的语义相似性与依赖关系类型信息。尽管基于图卷积网络进行方面情感分析的方法已经取得一定成效,但始终难以同时聚合节点的语义信息和句法结构特征,在整个迭代... 传统的基于单通道的特征提取方式,仅使用单一的依赖关系捕获特征,忽略单词间的语义相似性与依赖关系类型信息。尽管基于图卷积网络进行方面情感分析的方法已经取得一定成效,但始终难以同时聚合节点的语义信息和句法结构特征,在整个迭代训练过程中最初的语义特征会逐渐遗失,影响句子最终的情感分类效果。由于缺乏先验知识会导致模型对相关情感词的误解,因此需要引入外部知识来丰富文本信息。目前,如何利用图神经网络(GNN)融合句法和语义特征的方式仍值得深入研究。针对上述问题,该文提出一种多通道增强图卷积网络模型。首先,通过对情感知识和依赖类型增强的句法图进行图卷积操作,得到基于语法的两种表示,与经过多头注意力和图卷积学习到的语义表示进行融合,使多通道的特征能够互补学习。实验结果表明,在5个公开数据集上,准确率和宏F1值优于基准模型。由此可见,依赖类型和情感知识均对增强句法图有重要影响,表明融合语义信息与句法结构的有效性。 展开更多
关键词 方面情感分析 图卷积网络 情感知识 依赖关系嵌入 多头注意力
下载PDF
中国专利奖视角下的颠覆性技术识别分析
6
作者 施国良 吴静 +1 位作者 陈挺 张笑笑 《科技管理研究》 2024年第9期10-19,共10页
为充分利用专利结构化数据和文本数据,实现准确有效的颠覆性技术识别,以中国专利奖为切入点,提出基于图神经网络的颠覆性技术识别框架。首先以获得中国专利奖的授权发明专利定义颠覆性技术,解决技术定义难的问题;接着使用Neo4j图数据库... 为充分利用专利结构化数据和文本数据,实现准确有效的颠覆性技术识别,以中国专利奖为切入点,提出基于图神经网络的颠覆性技术识别框架。首先以获得中国专利奖的授权发明专利定义颠覆性技术,解决技术定义难的问题;接着使用Neo4j图数据库构建异质有向图,存储专利多重关系数据和方向信息,解决关系数据利用率低的问题;最后使用关系图卷积神经网络(R-GCN)模型进行训练,实现颠覆性技术识别,解决识别效果不佳的问题。研究表明以获得中国专利奖的专利技术直接定义颠覆性技术是合理且可靠的;提出的颠覆性技术识别框架能充分利用专利数据信息和专利异质有向图中空间信息,识别出绝大部分的颠覆性技术,丰富了图神经网络在颠覆性技术识别方面的研究。 展开更多
关键词 颠覆性技术 中国专利奖 Neo4j图数据库 关系图卷积神经网络
下载PDF
基于图卷积网络的表格隶属关系抽取 被引量:1
7
作者 张宇童 李启元 刘树衎 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2024年第4期1308-1315,共8页
针对表格识别与分析领域中表内单元格间隶属关系抽取问题,定义表格隶属关系抽取任务,结合表格与图结构的相似性,给出表内单元格的图表示方法,并提出一种基于图卷积网络(GCN)的表格隶属关系抽取模型。所提模型通过GCN对表内单元格及其邻... 针对表格识别与分析领域中表内单元格间隶属关系抽取问题,定义表格隶属关系抽取任务,结合表格与图结构的相似性,给出表内单元格的图表示方法,并提出一种基于图卷积网络(GCN)的表格隶属关系抽取模型。所提模型通过GCN对表内单元格及其邻近格进行特征的聚合,预测单元格间是否存在隶属关系,实现关系抽取。为验证所提模型的有效性,标注中文表单Rel-forms及英文表格Rel-SciTSR这2个数据集。通过实验,在上述2类数据集及联合数据集上F1分数分别达到98.61%、96.55%、97.05%,验证所提模型在此2个数据集上的有效性,并分别分析文本内容、坐标信息、单元格属性及格间相对方向等不同因素对隶属关系抽取实验结果的影响。 展开更多
关键词 表格分析 隶属关系 图表示 关系抽取 图卷积网络
下载PDF
融合句法信息的实体关系联合抽取
8
作者 胡翼 于海 +5 位作者 郭鑫 陈千 廖健 郑建兴 李艳红 杨可涵 《计算机技术与发展》 2024年第8期93-100,共8页
实体关系抽取是自然语言处理领域知识图谱构建的关键技术之一,有助于知识图谱自动化更新和扩充,并为下游任务提供重要的知识库支持。目前实体关系抽取方法大多从单一角度进行特征提取,导致特征表达能力不足,同时级联错误累积现象严重,... 实体关系抽取是自然语言处理领域知识图谱构建的关键技术之一,有助于知识图谱自动化更新和扩充,并为下游任务提供重要的知识库支持。目前实体关系抽取方法大多从单一角度进行特征提取,导致特征表达能力不足,同时级联错误累积现象严重,无法较好针对实体关系重叠、实体嵌套现象进行适配,极大地影响实体关系抽取的精度和效率。为了同时解决这些问题,提出了一种融合语义和依存句法信息的实体关系联合抽取方法。该方法采用预训练语言模型BERT提取语义特征;然后利用句法注意力图卷积神经网络获取依存句法特征;最终,融合语义特征和依存句法特征对句子中多个关系的主客实体位置进行预测标记。实验结果表明,所提模型在NYT和WebNLG公共数据集上的F1值分别达到了92.8%和91.1%,与基线模型和其他深度学习模型相比,模型在重叠实体抽取上取得了较好的效果,验证了模型的有效性。 展开更多
关键词 关系抽取 句法依存分析 图卷积神经网络 特征融合 关系重叠
下载PDF
基于RoBERTa和加权图卷积网络的中文地质实体关系抽取
9
作者 张鲁 段友祥 +1 位作者 刘娟 陆誉翕 《计算机科学》 CSCD 北大核心 2024年第8期297-303,共7页
知识是大数据和人工智能的基石,知识图谱的可解释性和可扩展性等优势使其成为智能系统的重要技术。智能决策在各个领域都有迫切的应用需求,为知识图谱提供基于数据分析和推理的决策支持和应用场景,但领域场景复杂、数据多源、知识维度广... 知识是大数据和人工智能的基石,知识图谱的可解释性和可扩展性等优势使其成为智能系统的重要技术。智能决策在各个领域都有迫切的应用需求,为知识图谱提供基于数据分析和推理的决策支持和应用场景,但领域场景复杂、数据多源、知识维度广,因此知识图谱的构建和应用都面临着很多挑战。针对地质领域知识图谱构建过程中领域知识模式完备性差的问题,以及现有实体关系抽取方法在处理非欧氏数据时存在的不足,提出了一种基于图结构的实体关系抽取模型RoGCN-ATT。该模型使用RoBERTa-wwm-ext-large中文预训练模型作为序列编码器,结合BiLSTM获取更丰富的语义信息,使用加权图卷积网络结合注意力机制获取结构依赖信息,以增强模型对关系三元组的抽取性能。在地质数据集上F1值达78.56%,与其他模型的对比实验表明,RoGCN-ATT有效提升了实体关系抽取性能,为地质知识图谱的构建和应用提供了有力的支持。 展开更多
关键词 实体关系抽取 图卷积网络 依存句法分析 注意力机制 地质领域
下载PDF
基于跨证据文本实体关系构建的事实核查研究
10
作者 贺彦程 徐冰 朱聪慧 《中文信息学报》 CSCD 北大核心 2024年第3期93-101,112,共10页
事实核查是指基于证据文本的虚假信息检测任务,目前已有的研究方法主要是将声明文本与证据文本拼接后输入预训练模型进行分类判断,或者通过单一节点的全连接图进行推理判断。这些方法忽略了证据文本间的远距离语义关联和其包含的噪声干... 事实核查是指基于证据文本的虚假信息检测任务,目前已有的研究方法主要是将声明文本与证据文本拼接后输入预训练模型进行分类判断,或者通过单一节点的全连接图进行推理判断。这些方法忽略了证据文本间的远距离语义关联和其包含的噪声干扰。针对以上问题,该文提出了一种基于跨证据文本实体关系的图卷积神经网络模型(C ross-E vidence Entity R elation Reasoning M odel,CERM)。该模型以多个证据文本的实体共现关系为基础,聚合不同实体对象的语义结构信息,同时减小噪声信息干扰,有效提升模型的虚假信息判别能力。实验结果证明,在公开数据集上该文提出的方法在通用评测指标上均优于现有的对比模型,验证了CERM模型在事实核查研究任务上的有效性。 展开更多
关键词 事实核查 图卷积神经网络 实体关系
下载PDF
基于类型注意力和GCN的远程监督关系抽取
11
作者 张欢 李卫疆 《计算机工程与科学》 CSCD 北大核心 2024年第2期316-324,共9页
远程监督关系抽取通过自动对齐自然语言文本与知识库生成带有标签的训练数据集,解决样本人工标注的问题。目前的远程监督研究大多没有关注到长尾(long-tail)数据,因此远程监督得到的大多数句包中所含句子太少,不能真实全面地反映数据的... 远程监督关系抽取通过自动对齐自然语言文本与知识库生成带有标签的训练数据集,解决样本人工标注的问题。目前的远程监督研究大多没有关注到长尾(long-tail)数据,因此远程监督得到的大多数句包中所含句子太少,不能真实全面地反映数据的情况。因此,提出基于位置-类型注意力机制和图卷积网络的远程监督关系抽取模型PG+PTATT。利用图卷积网络GCN聚合相似句包的隐含高阶特征,并对句包进行优化以此得到句包更丰富全面的特征信息;同时构建位置-类型注意力机制PTATT,以解决远程监督关系抽取中错误标签的问题。PTATT利用实体词与非实体词的位置关系以及类型关系进行建模,减少噪声词带来的影响。提出的模型在New York Times数据集上进行实验验证,实验结果表明提出的模型能够有效解决远程监督关系抽取中存在的问题;同时,能够有效提升关系抽取的正确率。 展开更多
关键词 远程监督 关系抽取 图卷积网络 注意力机制 类型关系 句包
下载PDF
基于标签传播增强的多通道图卷积网络
12
作者 袁立宁 冯文刚 刘钊 《计算机科学》 CSCD 北大核心 2024年第8期304-312,共9页
多数图卷积网络(GCN)模型通过设计高效的信息传递和保留方式提升节点分类任务的实验表现,忽略了节点标签信息在拓扑空间和属性空间的传播。针对上述问题,提出了一种基于标签传播算法(LPA)增强的多通道图卷积模型MGCN-LPA,同时增大同类... 多数图卷积网络(GCN)模型通过设计高效的信息传递和保留方式提升节点分类任务的实验表现,忽略了节点标签信息在拓扑空间和属性空间的传播。针对上述问题,提出了一种基于标签传播算法(LPA)增强的多通道图卷积模型MGCN-LPA,同时增大同类节点在属性和拓扑空间的关系权重,改善节点间特征和标签信息的传播。首先,计算不同节点的属性相似度值,并采用k近邻算法生成属性关系图;然后,利用结合了GCN和LPA的图卷积层GCN-LPA提取属性图和属性关系图的潜在特征,生成拓扑节点表示和属性节点表示;最后,将拓扑和属性表示进行融合,并将生成的最终表示用于节点分类任务。在3个基准图数据集上进行实验,MGCN-LPA的实验表现能够匹配当前较为先进的基线模型,其在Cora和Citeseer数据集上的分类结果相比表现最优的基线模型提升了9.3%和12%。上述实验结果表明,MGCN-LPA能够增大同类节点间路径的权重,从而增强同类节点间的信息传递,提升节点分类任务的实验表现。此外,消融实验结果表明,与仅使用拓扑空间或者属性空间信息的变体相比,融合两类信息的MGCN-LPA能够充分提取和保留原始图中蕴含的潜在特征,提升模型的表征能力和泛化性。 展开更多
关键词 图卷积网络 标签传播算法 属性图 属性关系图 节点分类
下载PDF
图文数据的多级关系分析与挖掘方法
13
作者 郭瑞萍 王海荣 王栋 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2024年第2期684-694,共11页
如何高效挖掘多模态数据间隐藏的语义关联是当前多模态知识抽取的重点任务之一,为更细粒度地挖掘图像与文本数据间关系,提出了一种多级关系分析与挖掘(MRAM)方法,引入BERT-Large模型,提取文本特征构建文本连接图,利用Faster-RCNN网络提... 如何高效挖掘多模态数据间隐藏的语义关联是当前多模态知识抽取的重点任务之一,为更细粒度地挖掘图像与文本数据间关系,提出了一种多级关系分析与挖掘(MRAM)方法,引入BERT-Large模型,提取文本特征构建文本连接图,利用Faster-RCNN网络提取图像特征来学习空间位置关系和语义关系并构建图像连接图,进而完成单模态内部语义关系计算,在此基础上,使用节点切分方法和带多头注意力机制的图卷积网络(GCN-MA)进行局部和全局的图文关系融合。此外,为提升关系挖掘效率,采用了基于注意力机制的连边权重剪枝策略,用以增强重要分支表示,减少冗余信息干扰。在公开的Flickr30K、MSCOCO-1K、MSCOCO-5K数据集上进行方法实验,并与11种方法进行实验结果的对比分析,所提方法在Flickr30K上的平均召回率提高了0.97%和0.57%,在MSCOCO-1K上的平均召回率提高了0.93%和0.63%,在MSCOCO-5K上的平均召回率提高了0.37%和0.93%,实验结果验证了所提方法的有效性。 展开更多
关键词 关系挖掘 多级关系 注意力机制 图卷积网络 图文数据
下载PDF
基于篇章图模型的中文事件时序关系识别
14
作者 李婧 徐昇 李培峰 《中文信息学报》 CSCD 北大核心 2024年第1期107-114,共8页
事件时序关系识别是信息抽取中一项十分重要且极具挑战性的任务。此前大部分工作都集中在句子级别上,忽略了篇章级别(同句、邻句和跨句)的事件时序关系识别。针对此问题,该文提出了一种基于篇章图模型的篇章级事件时序关系识别方法,该... 事件时序关系识别是信息抽取中一项十分重要且极具挑战性的任务。此前大部分工作都集中在句子级别上,忽略了篇章级别(同句、邻句和跨句)的事件时序关系识别。针对此问题,该文提出了一种基于篇章图模型的篇章级事件时序关系识别方法,该方法通过分别构造句法层次和篇章级别的图卷积神经网络将篇章中融合了句法特征的所有事件进行信息交互,以达到丰富特征的目的,进而使得模型可更好地识别篇章级时序关系。该文提出的方法在ACE2005-extended中文事件时序关系语料库上的微平均F1值达到71.81%,比最好的基准系统提升了1.76个百分点。 展开更多
关键词 事件时序关系 篇章级别 图卷积神经网络
下载PDF
一种用于方面级情感分析的知识增强双图卷积网络 被引量:1
15
作者 万宇杰 陈羽中 《小型微型计算机系统》 CSCD 北大核心 2024年第1期37-44,共8页
近年来,深度神经网络特别是图神经网络在方面级情感分析任务上取得了较大进展,但是仍存在未充分利用外部知识信息、句法依赖树的边关系信息以及知识图谱结构信息的缺陷.针对上述问题,本文提出了一种知识增强的双图卷积网络BGCN-KE(Knowl... 近年来,深度神经网络特别是图神经网络在方面级情感分析任务上取得了较大进展,但是仍存在未充分利用外部知识信息、句法依赖树的边关系信息以及知识图谱结构信息的缺陷.针对上述问题,本文提出了一种知识增强的双图卷积网络BGCN-KE(Knowledge-enhanced Bi-Graph Convolutional Network).首先,提出一种融合句法依赖关系与外部知识的子图构造算法,得到节点间语义关系更紧密的知识子图.其次,提出了双图卷积网络,分别利用两个图卷积网络在句法依赖知识子图中引导评论文本的节点学习邻接节点的外部知识,以及在评论文本的句法依赖图中融合特定方面相关的语义信息,从而增强评论文本的特定方面知识表示和语义表示.再次,BGCN-KE引入边关系注意力机制,更好地捕获特定方面和上下文词语间的语义关系.最后,提出了一种多级特征融合机制,充分融合特定方面相关的外部知识、语义信息和边关系特征.多个公共数据集上的实验证明,BGCN-KE的性能优于最新的对比模型. 展开更多
关键词 图卷积网络 知识图谱 多级特征融合 边关系注意力 方面级情感分析
下载PDF
基于多特征驱动图注意卷积网络的关系抽取
16
作者 李航程 钟勇 《计算机应用》 CSCD 北大核心 2024年第S01期24-28,共5页
针对基于句法依赖树和图卷积神经网络(GCN)的关系抽取(RE)任务中,由于句子中词与词之间的依赖连接被赋予相同权重所引入的噪声问题,提出一种基于多特征驱动图注意卷积网络(MFDA-GCN)的RE模型。该模型充分利用了句子的依赖类型、词性、... 针对基于句法依赖树和图卷积神经网络(GCN)的关系抽取(RE)任务中,由于句子中词与词之间的依赖连接被赋予相同权重所引入的噪声问题,提出一种基于多特征驱动图注意卷积网络(MFDA-GCN)的RE模型。该模型充分利用了句子的依赖类型、词性、相对实体位置等多种特征信息,通过引入注意力机制计算句法依赖树中不同连接的重要程度,再将多种特征信息动态地融入句子的词向量表示中。最后,根据词之间依赖连接的重要程度更有效地引导词信息传递,优化整个句子的词向量表示,进一步提高RE性能。实验结果表明,相较于其他基线模型,基于MFDA-GCN的RE模型具有更强的远距离词依赖捕获能力,且该模型在数据集SemEval-2010Task8和ACE2005EN上的F1值分别达到90.39%和79.86%。 展开更多
关键词 关系抽取 图卷积神经网络 句法依赖树 注意力机制 自然语言处理
下载PDF
基于Transformer和关系图卷积网络的信息传播预测模型
17
作者 吕锡婷 赵敬华 +1 位作者 荣海迎 赵嘉乐 《计算机应用》 CSCD 北大核心 2024年第6期1760-1766,共7页
针对在信息传播动态演化中,结构特征和时序特征以及两者间的交互表达难以有效捕获的问题,提出一种基于Transformer和关系图卷积网络的信息传播预测模型(TRGCN)。首先,构建由社交关系图和传播级联图组合而成的异构图,使用关系图卷积网络(... 针对在信息传播动态演化中,结构特征和时序特征以及两者间的交互表达难以有效捕获的问题,提出一种基于Transformer和关系图卷积网络的信息传播预测模型(TRGCN)。首先,构建由社交关系图和传播级联图组合而成的异构图,使用关系图卷积网络(RGCN)提取图中各节点的结构特征;其次,使用双向长短期记忆(Bi-LSTM)网络对各节点的时间嵌入重新编码,引入时间衰减项以不同的权重赋予不同时间位置的节点,获得节点的时序特征;最后,将结构特征和时序特征输入Transformer进行融合,得到时空特征以预测信息传播。在Twitter、Douban和Memetracker这3个真实数据集上的实验结果表明,相较于对比实验中的最优模型,TRGCN的Hits@100指标分别提升3.18%,5.96%和3.34%,Map@100指标分别提升11.60%,19.72%和8.47%,验证了所提模型的有效性和合理性。 展开更多
关键词 信息传播预测 TRANSFORMER 关系图卷积网络 双向长短期记忆网络 时空特征
下载PDF
电驱动总成多场耦合数据驱动建模及瞬态温度场实时在线预测
18
作者 唐鹏 赵治国 +2 位作者 李豪迪 卢万成 杨建煜 《汽车工程》 EI CSCD 北大核心 2024年第7期1259-1272,共14页
开发电驱动总成(EDA)轻量级实时在线温度精确预测方法,对于提前有效监测其未来异常温度状态,确保车辆行驶安全至关重要。基于多物理场耦合与数据驱动融合建模,提出了EDA瞬态温度场在线预测方法。首先,建立EDA电-磁-热-流多物理场耦合有... 开发电驱动总成(EDA)轻量级实时在线温度精确预测方法,对于提前有效监测其未来异常温度状态,确保车辆行驶安全至关重要。基于多物理场耦合与数据驱动融合建模,提出了EDA瞬态温度场在线预测方法。首先,建立EDA电-磁-热-流多物理场耦合有限元模型,并通过台架试验验证该模型准确性;其次,采用有限元模型生成了几种常规工况下的瞬态温度场数据集,以用于后续代理模型的测试验证;然后,结合有限元模型获取简化的热网络拓扑和图卷积神经网络,提出一种模型与数据双轮驱动建模的EDA时空关系图卷积神经网络预测模型;最后,通过不同工况下的离线仿真对比分析和台架在线测试,对所提出的温度预测模型进行有效性和实时性验证。实测离线数据集上的分析结果表明:全局预测误差和平均绝对误差分别为4.4和1.25℃,相较于常规时序图卷积神经网络和门控递归单元方法分别降低17.3%、28.1%和5.3%、29.3%。台架在线预测结果也与真实测量值十分接近,其全局预测误差和平均绝对误差为3.99和0.66℃。总之,所提出的实时在线温度预测方法可以准确预测EDA真实温度变化。 展开更多
关键词 电驱动总成 实时在线温度预测 多物理场耦合 关系图卷积神经网络
下载PDF
基于关系图卷积网络的代码搜索方法
19
作者 周光有 谢琦 余啸 《软件学报》 EI CSCD 北大核心 2024年第6期2863-2879,共17页
代码搜索是当下自然语言处理和软件工程交叉领域的一个重要分支.开发高效的代码搜索算法能够显著提高代码重用的能力,从而有效提高软件开发人员的工作效率.代码搜索任务是以描述代码片段功能的自然语言作为输入,在海量代码库中搜索得到... 代码搜索是当下自然语言处理和软件工程交叉领域的一个重要分支.开发高效的代码搜索算法能够显著提高代码重用的能力,从而有效提高软件开发人员的工作效率.代码搜索任务是以描述代码片段功能的自然语言作为输入,在海量代码库中搜索得到相关代码片段的过程.基于序列模型的代码搜索方法DeepCS虽然取得了很好的效果,但这种方法不能捕捉代码的深层语义.基于图嵌入的代码搜索方法GraphSearchNet能缓解这个问题,但没有对代码与文本进行细粒度匹配,也忽视了代码图和文本图的全局关系.为了解决以上局限性,提出基于关系图卷积网络的代码搜索方法,对构建的文本图和代码图编码,从节点层面对文本查询和代码片段进行细粒度匹配,并应用神经张量网络捕捉它们的全局关系.在两个公开数据集上的实验结果表明,所提方法比先进的基线模型DeepCS和GraphSearchNet搜索精度更高. 展开更多
关键词 代码搜索 关系图卷积网络 细粒度匹配
下载PDF
基于高阶图卷积推理网络的任意形状文本检测
20
作者 刘平 姜永峰 张良 《计算机工程与应用》 CSCD 北大核心 2024年第1期263-270,共8页
通用场景文本检测被广泛应用于地图导航、无人驾驶等多个领域。场景文本方向各异且形状复杂多变,使得文本检测难度大。针对这一问题,提出一种高阶图卷积推理网络。以文本检测框架DRRG为基础,设计高阶图方案,提出高阶图卷积推理网络,扩... 通用场景文本检测被广泛应用于地图导航、无人驾驶等多个领域。场景文本方向各异且形状复杂多变,使得文本检测难度大。针对这一问题,提出一种高阶图卷积推理网络。以文本检测框架DRRG为基础,设计高阶图方案,提出高阶图卷积推理网络,扩展了推理范围,有效组合高阶邻居提供的辅助信息。改进一阶邻居的设置,降低无关组件的干扰,提高了反向传播和组件链接的效率。引入SE聚合模块为每个节点独立且自适应地生成聚合方案,进一步提高了对高阶信息的利用率。实验结果表明,改进后的网络在Total-Text、CTW-1500和ICDAR2015数据集上的平均精度(F1)分别提升了1.4、1.05和1.26个百分点。 展开更多
关键词 图像处理 文本检测 高阶图卷积网络 关系推理网络 SE聚合
下载PDF
上一页 1 2 4 下一页 到第
使用帮助 返回顶部