检索结果

Select

1. 基于图卷积网络的文本分割模型

杜雨奇, 郑津, 王杨, 黄诚, 李平

《计算机应用》唯一官方网站 2022, 42 (12): 3692-3699. DOI: 10.11772/j.issn.1001-9081.2021101768

摘要（510）

HTML （25）

PDF （2746KB）（228）

文本分割的主要任务是将文本按照主题相关的原则划分为若干个相对独立的文本块。针对现有文本分割模型提取文本段落结构信息、语义相关性及上下文交互等细粒度特征的不足，提出了一种基于图卷积网络（GCN）的文本分割模型TS-GCN。首先，基于文本段落的结构信息与语义逻辑构建出文本图；然后，引入语义相似性注意力来捕获文本段落节点间的细粒度相关性，并借助GCN实现文本段落节点高阶邻域间的信息传递，以此增强模型多粒度提取文本段落主题特征表达的能力。将所提模型与目前常用作文本分割任务基准的代表模型CATS及其基础模型TLT-TS进行对比。实验结果表明在Wikicities数据集上，TS-GCN在未增加任何辅助模块的情况下比TLT-TS的评价指标P_k 值下降了0.08个百分点；在Wikielements数据集上，相较于CATS和TLT-TS，所提模型的P_k 值分别下降了0.38个百分点和2.30个百分点，可见TLT-TS取得了较好的分割效果。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 基于改进粒子群优化的支持向量机与情景感知的人体活动识别

王杨, 赵红东

计算机应用 2020, 40 (3): 665-671. DOI: 10.11772/j.issn.1001-9081.2019091551

摘要（468）

PDF （754KB）（442）

针对目前人体活动类别识别准确率偏低的问题，提出一种支持向量机（SVM）与情景分析（人体运动状态转换的实际逻辑或统计模型）相结合的识别方法，对人体日常的六种活动（步行、上楼、下楼、坐下、站立、躺下）进行识别。该方法利用了人体活动样本之间存在逻辑关系的特点，首先使用经改进的粒子群优化（IPSO）算法对SVM模型进行优化，然后利用优化后的SVM对人体活动进行分类，最后通过情景分析的方法对错误的识别结果进行修正。实验结果表明，所提方法在加州大学欧文分校（UCI）的人体活动识别数据集（HARUS）上的分类准确率达到了94.2%，高于传统的仅使用模式识别进行分类的方法。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于密文策略属性基加密算法的云存储数据更新方法

刘荣, 潘洪志, 刘波, 祖婷, 方群, 何昕, 王杨

计算机应用 2018, 38 (2): 348-351. DOI: 10.11772/j.issn.1001-9081.2017071856

摘要（589）

PDF （763KB）（520）

针对云计算数据易遭非法窃取和恶意篡改问题，提出一种支持动态更新操作的密文策略的属性基加密方案（DU-CPABE）。首先利用线性分割思想将数据分成固定大小的数据块，然后采用密文策略属性基加密（CP-ABE）算法对各数据块进行加密，最后提出一种Address-Merkle Hash Tree（A-MHT）搜索树结构，借助A-MHT快速定位数据块实现云服务器中数据动态更新。经理论分析验证了方案的安全性，而且在理想信道中的仿真实验结果显示，在更新次数为5时，此方案相比CP-ABE方案的数据更新时间开销平均下降幅度为14.6%。实验结果表明：DU-CPABE方案在云计算服务中数据动态更新这一过程能够有效地减小数据更新的时间开销，同时降低系统开销。

参考文献 | 相关文章 | 多维度评价

Select

4. 综合社区与关联序列挖掘的电子政务推荐算法

黄亚坤, 王杨, 王明星

计算机应用 2017, 37 (9): 2671-2677. DOI: 10.11772/j.issn.1001-9081.2017.09.2671

摘要（550）

PDF （1147KB）（548）

个性化推荐作为一种有效的信息获取手段已成功应用于电商、音乐和电影等领域。已有研究多数聚焦于推荐的精度，缺乏对推荐结果的多样性考虑，忽略了应用领域中被推荐项目的流程特性（如"互联网+政务"中办事项的推荐）。为此提出一种综合用户社区与关联序列挖掘（CAS-UC）的电子政务推荐算法，优先向用户推送利益关联最大的办事项。首先，对用户和办事项的静态基本属性以及动态行为属性分别进行特征建模；其次，基于用户的历史办事记录和属性相似度进行用户社区发现，预筛选出与目标用户最为相似的用户集，提高推荐结果的多样性，减少核心推荐过程的计算量；最后，办事项的关联序列挖掘充分考虑了电子政务的业务特性，加入时间维度的办事项序列挖掘，进一步提高了推荐结果的精度。以芜湖市易户网为平台载体，基于Spark计算平台对用户脱敏后的信息进行仿真，实验结果表明，CAS-UC适用于被推荐项目具有序列或流程特性领域的推荐，与传统推荐算法如协同过滤推荐、矩阵分解以及基于语义相似度的推荐算法相比，具有更高的推荐精度，用户的多社区归属因素增加了推荐结果的多样性。

参考文献 | 相关文章 | 多维度评价

Select

5. 用于不平衡数据分类的代价敏感超网络算法

郑燕王杨郝青峰甘振韬

计算机应用 2014, 34 (5): 1336-1340. DOI: 10.11772/j.issn.1001-9081.2014.05.1336

摘要（480）

PDF （872KB）（373）

传统的超网络模型在处理不平衡数据分类问题时，具有很大的偏向性，正类的识别率远远高于负类。为此，提出了一种代价敏感超网络Boosting集成算法。首先，将代价敏感学习引入超网络模型，提出了代价敏感的超网络模型；同时，为了使算法能够自适应正类的错分代价，采用Boosting算法对代价敏感超网络进行集成。代价敏感超网络能很好地修正传统的超网络在处理不平衡数据分类问题时过分偏向正类的缺陷，提高对负类的分类准确性。实验结果表明，代价敏感超网络Boosting集成算法具有处理不平衡数据分类问题的优势。

参考文献 | 相关文章 | 多维度评价