首页期刊导航|计算机科学
期刊信息/Journal information
计算机科学
计算机科学

朱完元

月刊

1002-137X

jsjkx12@163.com

023-63500828

401121

重庆市渝北区洪湖西路18号

计算机科学/Journal Computer ScienceCSCD北大核心CSTPCD
查看更多>>本刊的读者对象是：大专院校师生，从事计算机科学与技术领域的科研、生产人员。办刊宗旨是：坚持“双百”方针，活跃计算机科学与技术领域的学术气氛，重点报导国内外计算机科学与技术的发展动态，为我国的计算机科学与技术立于世界之林、达到国际先进水平奋斗而矢志不渝。
正式出版
收录年代

    基于对比学习的大型语言模型反向词典任务提示生成方法

    田思成黄少滨王锐李熔盛...
    256-262页
    查看更多>>摘要：反向词典任务是一种新兴的任务,目的是根据给定的定义来查找对应的单词.大规模语言模型为这一任务提供了新的可能性,但是提示语句的质量会影响大模型的性能.为此,提出了一种基于对比学习的提示生成方法.该方法在从多个语义层面上理解定义语义的同时,还利用对比学习的原理在训练过程中引入了负例,提升了模型的泛化能力.通过这种方法,可以将目标单词缩小到一个小范围内,然后用大模型从这个范围内选择最符合定义语义的单词.实验结果表明,该方法可以有效地提升大规模语言模型在反向词典任务上的表现.提示生成模型有94.7％的概率生成包含目标词的范围,大规模语言模型有58.03％的概率直接选出目标单词,有74.55％的概率在给出5个候选单词时包含目标单词.

    反向词典大规模语言模型对比学习多个语义层面对比损失

      原文链接:
    • 万方数据
    • 维普

    基于多奖励强化学习的半监督文本风格迁移方法

    李静文叶琪阮彤林宇翩...
    263-271页
    查看更多>>摘要：文本风格迁移是自然语言处理中的一项重要任务,其主要目的在于改变文本的风格属性,同时保留必要的语义信息.然而,在许多任务缺乏大规模平行语料库的情况下,现有的无监督方法存在文本多样性不足和语义一致性较差的问题.针对这些问题,文中提出了一种半监督的多阶段训练框架.该框架首先利用风格标注模型和掩码语言模型构造伪平行语料库,以有监督的方式引导模型学习多样性的迁移方式.其次,设计了对抗性相似奖励、Mis奖励和风格奖励,从未标记的数据中进行强化学习以增强模型的语义一致性、逻辑一致性和风格准确性.在基于YELP数据集的情感极性转换任务中,该方法的BLEURT分数提升了 3.1％,Mis分数提升了 2.5％,BLEU分数提升了 9.5％;在基于GYAFC数据集的正式文体转换实验中,该方法的BLEURT分数提高了 6.2％,BLEU分数提高了 3％.

    文本生成文本风格迁移多阶段训练风格标注模型强化学习

      原文链接:
    • 万方数据
    • 维普

    基于字词融合的低词汇信息损失中文命名实体识别方法

    郭志强关东海袁伟伟
    272-280页
    查看更多>>摘要：中文命名实体识别(CNER)任务是一种自然语言处理技术,旨在识别文本中具有特定类别的实体,如人名、地名、组织机构名等,它是问答系统、机器翻译、信息抽取等自然语言应用的基础底层任务.由于中文不具备类似英文这样的天然分词结构,基于词的NER模型在中文命名实体识别上的效果会因分词错误而显著降低,基于字符的NER模型又忽略了词汇信息的作用,因此,近年来许多研究开始尝试将词汇信息融入字符模型中.WC-LSTM通过在词汇的开始字符和结束字符中注入词汇信息,使模型性能获得了显著的提升.然而,该模型依然没有充分利用词汇信息,因此在其基础上提出了基于字词融合的低词汇信息损失NER模型LLL-WCM,对词汇的所有中间字符融入词汇信息,避免了词汇信息损失.同时,引入了两种编码策略平均(avg)和自注意力机制(self-attention)以提取所有词汇信息.在4个中文数据集上进行实验,结果表明,与WC-LSTM相比,该方法的F1值分别提升了 1.89％,0.29％,1.10％和1.54％.

    命名实体识别自然语言处理词汇信息损失中间字符编码策略

      原文链接:
    • 万方数据
    • 维普

    基于改进高斯混合变分自编码器的半监督情感音乐生成

    胥备刘桐
    281-296页
    查看更多>>摘要：音乐可以通过序列化的声音信息传递声音内容和情感.情感是音乐所表达的语义中的重要组成部分,因此,音乐生成技术不仅要考虑音乐的结构信息,还应融入情感元素.现有的情感音乐生成技术大多采用基于情感标注的完全监督方法,但音乐领域缺乏大量标准的情感标注数据集,且情感标签不足以表达音乐的情感特征.针对上述问题,提出了基于改进的高斯混合变分自编码器(Gaussian Mixture Variational Autoencoders,GMVAE)的半监督情感音乐生成方法(Semg-GMVAE),将音乐的节奏特征和调式特征与情感建立联系,同时向GMVAE中引入一种特征解纠缠机制来分别学习这两种特征的潜在变量表示,并对其进行半监督聚类推断.最后通过操纵音乐的特征表示,实现了针对快乐、紧张、悲伤、平静情感的音乐生成与情感转换.同时,针对GMVAE难以区分不同情感类别数据的问题,实验指出其关键原因是GMVAE证据下界中的方差正则项与互信息抑制项使得各类别的高斯分量分散性不足,从而影响学习表示的性能和生成的数据样本的情感质量.因此,Semg-GMVAE对这两项因子分别进行了惩罚和增强,并使用Transformer-XL作为编码器和解码器以提升在长序列音乐上的建模能力.基于真实数据集的实验结果表明,相比现有方法,Semg-GMVAE能够将不同情感的音乐在潜在空间中更好地分离,增强了音乐与情感的关联程度,并且能够有效对不同音乐特征进行解纠缠分离,最后通过改变特征表示更好地实现情感音乐生成或情感切换.

    情感音乐生成半监督生成模型解纠缠表示学习高斯混合变分自编码器Transformer-XL

      原文链接:
    • 万方数据
    • 维普

    基于RoBERTa和加权图卷积网络的中文地质实体关系抽取

    张鲁段友祥刘娟陆誉翕...
    297-303页
    查看更多>>摘要：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.

    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

      原文链接:
    • 万方数据
    • 维普

    基于标签传播增强的多通道图卷积网络

    袁立宁冯文刚刘钊
    304-312页
    查看更多>>摘要：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.

    图卷积网络标签传播算法属性图属性关系图节点分类

      原文链接:
    • 万方数据
    • 维普

    基于知识图谱与邻域感知注意力机制的推荐算法研究

    陈珊珊姚苏滨
    313-323页
    查看更多>>摘要：为解决传统推荐算法在面对数据稀疏的推荐任务时产生的冷启动问题,本研究将知识图谱引入推荐算法,结合一种新的邻域感知注意力机制代替传统图注意力机制来挖掘实体间的高阶连通信息,提出了基于知识图谱和邻域感知注意力机制的推荐模型KGNPAN.得益于知识图谱可使推荐具有精准、多样和可解释的特点,该模型能够很好地缓解数据稀疏与冷启动问题.首先利用基于自对抗负采样的图嵌入方法RotatE对原有物品和用户表征的语义信息进行扩充,将实体和关系向量映射成低维嵌入向量;其次,根据协同邻居的不同类型分别应用邻域感知注意力机制聚合邻居节点信息,丰富目标节点语义,并以卷积形式递归挖掘高阶连通信息;最后对用户与项目向量应用内积操作计算交互概率,得到推荐结果.在Amazon-book和Last-FM两个公共基准数据集上进行实验,结果表明,在与CKE,BPRMF,RippleNet,KGAT,KGCN和CAKN 6个基准模型的对比中,KGNPAN相较于基准模型中结果最优的CAKN模型,在召回率(Recall)上分别提升了 1.30％和1.37％,在归一化折损累计增益上(NDCG)分别提升了 1.26％和1.14％,充分验证了其有效性和可解释性.

    推荐算法邻域感知注意力机制知识图谱图神经网络冷启动

      原文链接:
    • 万方数据
    • 维普

    用于时变矩阵计算的固定时间递归神经网络及其在重复运动规划中的应用

    李杏仲国民
    324-332页
    查看更多>>摘要：文中提出了具有对数调节时间的固定时间收敛递归神经网络(Recurrent Neural Network,RNN)模型,用于求解时变矩阵计算问题.设计并详细分析了两个新颖的RNN模型,推导出在给定初始条件下模型调节时间函数的精确表达式;并给出任意初始条件下调节时间函数的上界.相比现有的固定时间收敛的RNN模型,两个新颖的模型具有对数调节时间,其调节时间上界更小,收敛速度更快.考虑到初始误差实际上在一个有界的区域内,给出RNN模型半全局对数调节时间函数,并由此推导出半全局意义上的调节时间函数的上界.采用RNN模型半全局调节时间上界的倒数,提出半全局预定时间收敛到精确解的改进RNN模型,其预定时间是一个可调参数.给出了所提RNN模型对时变Lyapunov方程和时变Sylvester方程求解的仿真结果,并将其应用于具有初始误差的冗余机械臂的重复运动规划,进一步验证了所提RNN模型的有效性.

    时变神经计算对数调节时间固定/预定时间收敛工业机器人重复运动规划

      原文链接:
    • 万方数据
    • 维普

    基于RNN信息累积的动态多目标优化算法

    程雪峰董明刚
    333-344页
    查看更多>>摘要：动态多目标优化问题广泛存在于现实生活中,在环境发生变化后,进化算法需具备快速收敛、快速追踪帕累托最优前沿和维持多样性的能力.对于环境变化程度严重且变化频繁的情况,传统的预测方法无法有效获得帕累托最优前沿解.针对该问题,提出了一种基于循环神经网络(Recurrent Neural Networks,RNN)信息累积的动态多目标优化算法(IA-RNN).首先,提出了一种基于RNN信息累积的非线性预测方法,利用RNN递归进行信息累积,提高了历史信息利用率,增强了预测的能力.其次,设计了一种基于个体的线性预测方法,利用参数矩阵对个体线性变化进行预测.线性预测与RNN非线性预测协同进化,可快速追踪帕累托最优前沿.最后,设计了一种基于最小二乘法的参数修正策略,通过当前环境的近似帕累托最优前沿解反向指导参数修正,减小了误差堆积的影响.将IA-RNN与5种代表性动态多目标优化算法在14个DF基准测试问题上进行比较.实验证明,IA-RNN算法的收敛性和多样性更优.

    动态多目标进化算法预测循环神经网络信息累积

      原文链接:
    • 万方数据
    • 维普

    多天线无线充电器的安全布置研究

    任美璇邓鹏赵悦汪笑宇...
    345-353页
    查看更多>>摘要：多天线无线充电器的安全布置问题(SPINNER)涉及给定一组无线可充电设备和一组无线充电器,每个充电器都配备了多根有向天线,需确定其功率水平和策略(包括充电器的位置和天线方向),以最大化整体充电效用,并确保目标区域内任意位置均满足电磁辐射安全约束.文中考虑了两种场景,分别是具有给定位置集的多天线无线充电器的安全布置(SPINNER-G)和具有任意点的多天线无线充电器的安全布置(SPINNER-A).首先,采用分段常数函数近似非线性充电功率函数,并将二维区域划分为有限数量的子区域,使得无限的电磁辐射安全约束减少为有限个.然后,针对SPINNER-G,提出了一种最大覆盖集提取方法,以限制无线充电器的方向.针对SPINNER-A,构造了最大相交情况,以限制充电器的位置和方向.文中提出了两种基于线性规划的贪心方案,分别求解SPINNER-G和SPINNER-A,近似比均为1/2-ε.仿真结果表明,所提算法在充电效用方面相比3种对比算法至少提高了 54.2％.

    多天线无线充电器有向充电安全布置充电调度近似算法

      原文链接:
    • 万方数据
    • 维普