Intermediate Representation Using Graph Visualization Software

In this paper, a method to initiate, develop and visualize an abstract syntax tree (AST) in C++ source code is presented. The approach is in chronological order starting with collection of program codes as a string and split into individual characters using regular expression. This will be followed by separating the token grammar using best first search (BFS) algorithm to determine node having lowest value, lastly followed by graph presentation of intermediate representation achieved with the help of graph visualization software (GraphViz) while former is implemented using python programming language version 3. The efficacy of our approach is used in analyzing C++ code and yielded a satisfactory result.

结合句法增强与图注意力网络的方面级情感分类

方面级情感分类旨在识别给定特定方面文本的情感极性,在本领域中,将图神经网络与句法依赖解析相结合是当下热门的研究方向之一,此类方法通过句法解析捕捉句子中词与词之间的关系,依此构建图结构,输入图神经网络中得到情感极性。若句法解析器出现解析错误,将会对以图为基础的图神经网络模型产生巨大影响。为了增强解析器生成的句法依赖树的解析结果,文中提出了一种句法增强图注意力网络,该网络通过融合多个解析器的解析结果,提高句法依赖解析精度,得到更精准的依赖关系句法图;在图注意力网络中使用密集连接机制捕获更丰富的特征,更适配于增强后的句法图,同时引入方面注意力机制捕获方面语义特征。实验结果验证了句法增强方法的有效性,在3个基准数据集上的分类准确度都有所提高,在方面级情感分析领域具有较好的表现。

基于煤矿井下不安全行为知识图谱构建方法

虽然知识图谱已广泛应用于各个领域,但在煤矿安全方面,尤其在煤矿井下不安全行为方面的研究较少。构建了一种自底向上的煤矿井下不安全行为知识图谱。首先,采用传统机器学习和深度学习算法相结合的方法进行命名实体识别,采用RoBERTa进行词语向量化,采用双向长短时记忆网络(BiLSTM)对向量进行标注,提高网络模型对上下文特征的捕捉能力,通过多层感知机(MLP)解决煤矿井下不安全行为数据集数据量不足的问题,采用条件随机场(CRF)模型解决前面存在的单词关系不识别问题,并捕获全文信息和预测结果。其次,根据语句的结构特点,设计了基于知识“实体-关系-实体”三元组的依存句法树结构,对井下不安全行为领域的知识资源进行知识抽取与表示。最后,构建面向井下不安全行为的知识图谱。实验结果表明:(1) RoBERTaBiLSTM-MLP-CRF模型对于导致结果、违反性行为、错误性行为及粗心性行为4类实体类别具有较好的识别效果,其准确率分别为86.7%,80.3%,80.7%,77.4%。(2)在相同的数据集下,RoBERTa-BiLSTM-MLP-CRF模型训练的准确率、召回率、F1值较RoBERTa-BiLSTM-CRF模型分别提高了1.6%,1.5%,1.6%。

基于双粒度图的文档级关系抽取

文档级关系抽取是指在非结构性文本中抽取实体对之间的关系。针对当前文档级关系抽取方法未能充分利用文档语义信息且难以处理文档的噪声干扰问题,提出一种基于双粒度文档图的关系抽取模型,采用一种新型的构图思路以及降噪方法,分别在句间和句内两个层面进行设计。首先,在句间层面使用修辞语篇关系实体提及关系构建修辞语篇关系图RST-graph,采用异步降噪方式生成粗粒度文档图(CGD-graph),缓解了因实体对的句间关系路径长于句内关系路径造成的结构性误剪枝问题。然后,在句内层面采用依存句法关系对文档中的句子进行解析,构造依存句法树(SDT),增强句内语义信息。最后,将SDT和CGD-graph中存在的公共锚点相连接,构造细粒度文档图(FGD-graph)。实验结果表明,与去噪图推理(DGI)模型相比,该模型的lgn F1值和F1值分别提升了0.40和0.51个百分点,并且在实体对的多标签关系上随着标签数量的增多抽取效果提升较为显著。

基于混合图表示的软件变更预测方法

软件变更预测旨在识别出具有变更倾向的模块,可以帮助软件管理者和开发人员有效地分配资源,降低维护开销.从代码中提取有效的特征在构建准确的预测模型中起着重要作用.近年来,研究人员从利用传统的手工特征进行预测转向具有强大表示能力的语义特征,他们从抽象语法树(abstract syntax tree,AST)的节点序列中提取语义特征构建模型.但已有研究忽略了AST的结构信息以及代码中丰富的语义信息,如何提取代码的语义特征仍然是一个具有挑战性的问题.为此,提出一种基于混合图表示的变更预测方法.该模型首先结合AST、控制流图(control flow graph,CFG)、数据流图(data flow graph,DFG)等结构信息构建代码的程序图表示,接着利用图神经网络学习出程序图的语义特征,根据该特征预测变更倾向性.所提模型能够融合各种语义信息以更好地表征代码.在多组变更数据集上开展与最新变更预测方法的对比实验,验证了所提方法的有效性.

基于BERT模型和图注意力网络的方面级情感分析

方面级情感分析是一项细粒度的情感分析任务,旨在对给定文本中的特定方面进行情感极性分析。当前基于语法分析的方法严重依赖于依存树的单一解析结果,并且大部分研究对于语义和语法特征的融合并不充分。因此,提出了一种基于BERT模型和图注意力网络的方面级情感分析方法。该方法能够充分挖掘句子结构中的语义和语法信息,并通过交互注意力机制融合这些信息,从而获得更精确的情感特征。首先,利用BERT预训练模型得到文本的初始化向量,并使用注意力机制对方面词进行全局的语义信息关联,得到文本的语义特征。其次,利用语法解析器构建短语结构图和依存图,并利用图注意力网络对节点信息进行编码,得到文本的语法特征。最后,通过交互注意力机制结合学习到的语义和语法特征,实现了多个视角的融合,从而全面理解方面-观点关系。实验结果表明,所提方法在多个数据集上的ACC值和F1值均优于现有的多个先进方法。

电能计量装置的知识图谱构建与应用

因知识图谱具备强大的实体关系表达推理能力,近年来在各领域得到了广泛应用。文中针对电能计量装置存在标准规范多,建设管理运营成本和门槛高的问题,研究并提出了一种电能计量装置知识图谱的自动构建方法。针对技术规范文档存在的实体嵌套、语义模糊和图谱不全等问题,文中综合采用基于候选实体图匹配的命名实体识别方法,基于多依存句法树融合的关系抽取方法和概念层次图融合的关系推理方法,并在电能计量装置知识图谱构建中进行了验证。实验表明文章构建的知识图谱在实体识别、关系提取和关系推理的准确率以及扩展性方面都取得了较大提升,可大幅度降低相关领域标准规范的应用审查门槛和成本。

基于依赖增强的分层抽象语法树的代码克隆检测

在软件工程领域,基于语义相似的代码克隆检测方法可以降低软件维护的成本并预防系统漏洞,抽象语法树(AST)作为典型的代码抽象表征形式,已成功应用于多种程序语言的代码克隆检测任务,然而现有工作主要利用原始AST提取代码的语义,没有深入挖掘AST中的深层语义和结构信息。针对上述问题,提出一种基于依赖增强的分层抽象语法树(DEHAST)的代码克隆检测方法。首先,对AST进行分层处理,将AST划分得到不同的语义层次;其次,为AST的不同层次添加相应的依赖增强边构建DEHAST,将简单的AST变成具有更丰富程序语义的异构图;最后,使用图匹配网络(GMN)模型检测异构图的相似性,实现代码克隆检测。在BigCloneBench和Google Code Jam两个数据集上的实验结果显示,DEHAST能够检测100%的Type-1和Type-2代码克隆、99%的Type-3代码克隆和97%的Type-4代码克隆;与基于树的方法ASTNN(AST-based Neural Network)相比,F1分数均提高了4个百分点,验证了DEHAST可以较好地完成代码语义克隆检测。

基于多层次知识增强的方面级情感分析模型

在方面级情感分析任务中,现有研究侧重于挖掘评论语句的语义信息和句法依赖约束,未能综合考虑情感知识、概念知识和单词之间的句法依赖类型对方面情感倾向判别准确性的影响。针对这一问题,提出一种基于多层次知识增强的方面级情感分析模型(multilevel knowledge enhancement,MLKE),利用外部知识对评论语句进行情感、句法和概念3个层次的知识增强。首先,利用情感知识及单词之间的依赖类型来增强句子的依赖图,并通过图卷积网络建模节点特征,得到情感和句法增强的特定方面表征;其次,利用概念图谱对方面词概念增强后,与特定方面表征进行融合,得到多层次知识增强的方面表征;最后,采用交互注意力机制实现上下文表征与方面表征之间的协调优化。5个公共数据集上的实验结果表明,所提模型的准确率和宏F1值均得到提高。

一种基于BERT与依存句法的情感分析模型

近年来基于深度学习模型的方面级情感分析方法已经成为了主流,特别是基于句法结构的图神经网络模型引起了研究者们的广泛关注。但大多数现有的模型对句法树的利用不够充分,无法准确地理解文本的语义。针对以上问题,提出了一种基于BERT与依存句法的情感分析模型。经过实验得出,对比于传统的机器学习方法及普通的深度学习方法,本文模型在准确率、召回率和F1值指标上均有明显提高。

基于图论的传统聚落空间营建体系解析--以晋江市社坛村为例

传统村落是历史时代中主要的文化载体与研究对象,因此,以福建省著名侨乡晋江市社坛村为例,应用图论的定量分析方法,建立针对性的空间划分原则,探讨传统村落空间营建体系。研究表明:村落以吉祥中路为核心呈现明显的内聚性空间建构格局;村落空间结构大体上呈现出“三团、三轴、多散点”的分布特征;整个村落空间层级性强,以两条重要交通线路为核心呈现同心圆状向内层层凝聚且村域内街巷繁多,可达性高。村落空间体系营建受到选址环境限定、交通的塑造、血缘宗亲带动、宗法礼制主导和社会活动选择等因素的影响。

知识增强的双通道多头GCN用于方面级情感分析

方面级情感分析(aspect based sentiment analysis,ABSA)是自然语言处理领域的一个重要任务,其目标是对句子中给定的方面词进行情感极性的判断。目前,最先进的ABSA模型采用图神经网络处理句子的语义信息和句法结构。然而,这些方法对句法依赖树蕴含的信息使用不足,不仅缺少对外部知识的挖掘,而且忽略了对模型引入上下文噪声的消除。针对这些问题,提出了一种知识增强的双通道多头图卷积神经网络。该模型建立了基于语义的多头图卷积网络和基于句法的多头图卷积网络,利用外部情感知识以及句法依赖距离重构句法依赖树,使模型充分融入外部知识。同时采用自注意力机制构建动态语义图并过滤引入噪声,从而更多地关注方面词。模型在3个公开基准数据集Rest14、Lap14、Twitter上的准确率分别达到了87.57%、82.34%、77.75%,显著优于基线模型。

人工智能视角下的未来城市结构:发掘复杂网络背后的空间特征

在城市规划和网络分析的领域中,深入洞察城市道路网络的构造及其隐藏在背后的空间特征对于理解城市的功能和组织架构至关重要。传统的城市网络分析方法主要关注道路的固有物理属性,如长度和连通性,但这些方法往往无法充分展现城市网络的复杂性和多维特性。特别是当考虑城市空间中的沿街功能信息或可视区域时,传统方法在捕捉城市空间的深层特征方面存在限制。为解决上述问题,文章提出了一种新颖的方法,通过变分图自编码器(VGAE)捕捉和分析城市道路网络及其空间特征,以深入理解城市的功能和组织架构。与侧重于道路物理属性的传统城市网络分析方法相比,本方法考虑了沿街功能信息和可视区域等维度,揭示了城市网络复杂性和多维特性的新层面。通过结合城市道路网络和空间数据,VGAE模型揭示了城市空间在融入不同数据后的隐空间结构变化,从而发现城市空间组织和功能分布的关键作用。这一研究成果不仅揭示了城市空间的新结构,而且展现了这种结构的独特性。这种隐藏空间结构的理解,可以被视为一种“空间基因”,有潜力成为生成和规划未来城市空间结构的基础,为我们理解和预测城市空间的发展提供了新的视角。

基于空间句法的城市形态对比研究

空间句法通过对城市空间相互关系和结构的数量化建模,为城市形态研究提供了新的视角。研究选取路网规整、用地集中布局以及路网自由、用地组团布局两类形态差异较大的城市为例,建立轴线图模型,对比分析两类城市的形态特征的差异与共性。研究结果表明:两类城市的集成核形态差异较大,"自由轮轴"形式只在集中型城市中较为明显,而组团型城市自内向外整合度逐渐减小而呈现圈层分布,说明前者中心区和边缘区之间的联系比后者便捷,而对于城市形态的可识别性前者同样强于后者;在共性方面,两类城市的轴线网络都是无标度网络,借此能够解释城市核心区的集聚和城市形态演变存在的"惯性"。

一种图文法制导的软件体系结构开发环境Artemis-GADE

图形化、集成化的软件体系结构开发环境对于推动软件体系结构相关技术的研究和应用具有重要的意义.提出了一种基于图文法的可视化编辑环境生成机制.对于给定的软件体系结构风格的图文法描述,可以自动生成相应的图文法制导的体系结构编辑工具.与常见的基于Meta-Model的开发环境相比,这种图文法制导的开发方式更多地利用了相应软件体系结构风格的内在语义,从而提高了环境的易用性和可靠性.设计并实现了一个原型系统Artemis-GADE(graph grammar-directed architecture development environment),初步验证了上述途径的可行性.

一种建筑信息模型分类方法

数字化的建筑信息大量存在和应用于建筑设计、城市规划等领域。目前,由于建筑信息模型的数据量急剧膨胀,为克服"数据丰富而知识匮乏"现象,对其进行基于内容的模型分类十分必要。提出一种结合空间句法理论和基于SVM决策分类的模型分类方法,首先对建筑信息模型建立RCARG(Room Connectivity Attributed Relational Graphs)模型,提取出建筑信息模型的模型固有特征,并结合空间句法理论而扩充出模型空间构形特征,在常用的DAG-SVMS分类算法的基础上增加特征向量均衡化的过程,减少决策分类时误判几率,以实现高精准度分类效果。实验结果表明,该方法与KNN和DAG-SVMS算法相比,具有较高的分类精准度。

可重定向C编译器中DAG及归约规则

以在嵌入式系统中建立C编译器的技术特点为主要内容,用设计实例论述了C编译器实现中前端、后端的主要工作内容。说明了在前、后端之间起桥梁作用的中间描述语言有向无环图(DAG)的设计原理及形成方法,同时还就如何将DAG与目标机系统之间形成映射关系进行描述,提出了在映射中规约规则制定的方法和原则,给出了一些有指导意义的经验性结论。

变量定义未使用故障的一种静态测试方法

变量定义未使用故障是C/C++程序中的可见故障,该类故障可导致计算结果错误或系统崩溃。针对C/C++语言中变量定义未使用错误类型进行了分析,并从面向具体故障的测试思想出发,给出软件测试系统设计,建立了C/C++语言中变量定义未使用的故障模型,结合静态测试特点,给出了一种静态查找此类故障的方法。该方法已用于面向故障的软件测试系统中。

基于自组织理论的城市空间系统的重构——以“空间句法”的应用引发灾后城市重建的思考

城市作为一个具备自组织机能的复杂系统,其内部任何功能单元与局部空间结构的增殖或演替均会产生亦优亦劣的联动反应。那么在自然力的破坏下,呈"半瘫痪"甚至是"瘫痪"状态下的城市空间系统如何吸纳新生组织,重新运行?通过运用系统自组织理论,以重庆市万州天仙湖城市设计为例来解读空间句法:通过技术手段得出关系图解,定性描述人与空间的关系以及空间的组构。为灾后城市空间的重塑提供一个思考角度,探讨空间句法介入城市空间系统重构的必要性。

一种fuzzing策略评价方法

鉴于当前fuzzing技术发展中出现的各种策略的性能无法形式化衡量的问题,设计一种评价框架,通过基于跟踪器生成的污点数据图与解析器生成的语义树之间的映射关系,计算某种策略的效能值与熵值来对此策略性能进行量化,根据评价结果从策略集中筛选出较优策略。通过实例的测试,证明了方法的可行性。对测试目标实施最优策略将能提高对测试目标的代码覆盖率与漏洞检测能力。