攻击性言论会对社会安定造成严重不良影响,但目前攻击性言论自动检测主要集中在少数几种高资源语言,对低资源语言缺少足够的攻击性言论标注语料导致检测困难,为此,提出一种跨语言无监督攻击性迁移检测方法。首先,使用多语BERT(mBERT)模型在高资源英语数据集上进行对攻击性特征的学习,得到一个原模型;然后,通过分析英语与丹麦语、阿拉伯语、土耳其语、希腊语的语言相似程度,将原模型迁移到这四种低资源语言上,实现对低资源语言的攻击性言论自动检测。实验结果显示,与BERT、线性回归(LR)、支持向量机(SVM)、多层感知机(MLP)这四种方法相比,所提方法在丹麦语、阿拉伯语、土耳其语、希腊语这四种语言上的攻击性言论检测的准确率和F1值均提高了近2个百分点,接近目前的有监督检测,可见采用跨语言模型迁移学习和迁移检测相结合的方法能够实现对低资源语言的无监督攻击性检测。
针对多目标粒子群优化算法全局最优位置〖BP(〗(gbest)〖BP)〗选取存在的缺陷和局部搜索能力弱的缺点,提出一种基于全局最优位置自适应选取与局部搜索的多目标粒子群优化算法MOPSO-GL。首先对Sigma法进行改进,引入拥挤距离机制,不再是粒子从档案中选择全局最优位置,而是档案成员从种群中选择合适的被引导粒子,引导种群均匀快速地向Pareto前沿飞行,提高了Pareto解的收敛性和多样性;其次当种群寻优能力减弱时,引入基于Skew Tent映射的变尺度全面搜索混沌优化策略对外部档案进行局部搜索,以提高算法的收敛性;最后通过与其他多目标优化算法的比较,结果表明MOPSO-GL具有更好的收敛性和分布性。
研究了IP/DWDM光因特网中一体化QoS组播路由算法,在考虑负载均衡的前提下,针对用户组播请求与柔性QoS需求,寻找一棵QoS组播路由树。由于该问题的NP难属性,因此提出一种基于模拟退火和禁忌搜索的混合算法来构造费用近优QoS组播路由树,同时集成一种基于分段和波长图思想的波长分配算法,一体化解决路由与波长分配问题。仿真结果表明,提出的算法是可行和有效的。
当前服务质量是多媒体信息传输的关键,但是传统的Internet缺乏动态的服务质量控制机制。针对网络过载和闲置情况,以带宽为例提出了一种基于Agent的网络资源调整策略,通过用户Agent之间的协商来实现网络资源优化分配。并将这种调整策略进行了实验,实验结果表明了该方法的有效性。