【摘 要】
：
近年来随着互联网的飞速发展,人们频繁地在网络上发布关于某一特定对象的评论内容,快速掌握众包评论文本的关键信息对决策制定、服务调整有着重要作用,对众包评论文本集成进行深入研究亦显得十分必要。众包评论文本集成旨在将不同评论者对同一对象的评论内容以既定压缩率整合成较短的集成文本,从而根据大众认知形成关于特定对象较为匹配的内容描述。针对该问题提出了一种利用收益预测与策略梯度的两阶段众包评论集成方法。该方法不依赖于任何人工真值,仅提供源众包评论文档,由代理根据收益经验自行抽取关键语句形成众包评论集成文档。具体而言,
【机 构】
：
南京信息工程大学人工智能学院,南京信息工程大学计算机与软件学院
【基金项目】
：
国家自然科学基金(U1736105),南京信息工程大学人才启动经费(1521632001005)。
论文部分内容阅读
近年来随着互联网的飞速发展,人们频繁地在网络上发布关于某一特定对象的评论内容,快速掌握众包评论文本的关键信息对决策制定、服务调整有着重要作用,对众包评论文本集成进行深入研究亦显得十分必要。众包评论文本集成旨在将不同评论者对同一对象的评论内容以既定压缩率整合成较短的集成文本,从而根据大众认知形成关于特定对象较为匹配的内容描述。针对该问题提出了一种利用收益预测与策略梯度的两阶段众包评论集成方法。该方法不依赖于任何人工真值,仅提供源众包评论文档,由代理根据收益经验自行抽取关键语句形成众包评论集成文档。具体而言,
其他文献
藏文信息化发展至今已经取得了一定的成果,但存在的问题还有许多。藏文文本校对是实现藏文信息处理的基础,是藏文信息处理必不可少的工作。藏文文本校对的内容较广,方面较多,文中主要以藏文文本的词语校对作为研究的目标,通过使用最大匹配算法的思想在不进行分词的情况下对文本的词语作校对。文中对校对算法进行了叙述,并通过实验验证了该方法是可行性和校对效果。
从跨学科研究生培养的角度,介绍计算思维导论及应用作为广东省研究生示范课程的建设情况,针对医科院校研究生的创新能力培养,以计算思维在医药类学科的实际应用为建设重点,提出进阶式的培养目标和“X+1”的课程体系,阐述课程建设的具体措施,最后说明课程建设的初步成效。
针对粒子群算法在优化SVM参数时,存在着易陷入局部最优,早熟收敛的问题,首先提出了一种用自适应权重来代替惯性权重的粒子群算法,再引入自适应变异对粒子群算法进行优化,增强粒子的种群多样性,使其能够跳出局部最优解,从而达到全局最优。最后,将改进后的算法(GPSO-SVM)应用到UCI标准数据集上进行验证,实验结果表明,改进后的算法提高了粒子的搜索性能,是一种有效的SVM参数优化算法。
针对传统编程教育中存在的问题,结合教学过程中的“打砖块”实际案例,提出运用基于4C/ID模型的任务驱动教学法对小学scratch课堂中遇到的复杂性知识技能进行教学设计,从分析学情、提出教学任务、分析任务、参与任务、评价任务这5个方面介绍基于4C/ID模型的任务驱动教学法在课堂中的实施过程,最后总结该教学法在课堂实施过程需注意的问题。
随着社会的发展,人们大量外出导致拥挤场景越来越多,对人群密度的检测就显得尤为重要。针对人群中由于摄像机视角引起的人与人尺度不一的多尺度问题,提出了一种基于深度语义分割的人群密度检测方法。网络前端采用改进的VGG网络对人群特征进行提取,使输出的特征图为原图1/8以提高预测密度图的准确性,后端设计了两阵列扩张率不同的空洞卷积模块来捕捉人群的多尺度特征,使得网络能够捕捉更多的尺度细节及边缘信息。网络最后
针对网络空间安全专业网络科学课程教学中存在的通用MOOC资源丰富但专业针对性不强、学情掌握难、互动性差等问题,分析国内外知名MOOC平台相关课程资源,提出在SPOC和智慧教学等新型教学模式和手段下,依据课程目标和课程内容开展“MOOC学习+讨论”“线上直播/线下课堂+问卷&练习”的混合式课堂教学设计,介绍依托中国大学MOOC平台开设异步SPOC课程的教学实践,最后通过数据说明教学实践效果。
网络社区划分是从社会网络中进行概念认知、模式学习的基础,也是网络背景下机器学习研究的热点问题。为了充分发挥形式概念和网络特征值的双重优势,基于网络形式背景研究网络社区划分问题。首先,将网络结构与节点属性信息相结合给出了网络节点中心度和中心势,使得网络形式背景的网络社区划分综合考虑了网络结构和节点内涵两方面的特征;其次,提出了网络形式背景的网络社区概念,该概念不仅给出了传统形式背景的形式概念,还包含了概念的网络特征值,可以描述该概念在网络中的平均重要度和平均重要度势差;然后,考虑到社会网络划分中多角色与网络
船舶在海上作业的过程中,不可避免地会受到风浪的扰动影响,风浪扰动可以分解到船舶运动的六个自由度上,而船舶的六自由度运动是一个复杂的非线性过程。借助预测算法可以对船舶短时间后的运动状态进行预测,从而更好辅助在船舶上的工作活动。为了提升船舶运动姿态的预测精度,建立了非线性自回归(NAR)神经网络模型,并利用NAR模型对船舶运动姿态进行预测仿真,将仿真结果与AR预测法的结果进行对比。仿真结果分析表明,基于NAR神经网络模型的预测算法与传统的基于AR模型的预测算法相比,精度更高,更具有实用价值。
基站选址优化是网络通讯必须要考虑的重要问题。为了最大程度地提升网络覆盖率,论文提出了一种粒子群果蝇混合优化改进算法。针对粒子群算法和果蝇优化算法都容易陷入局部最优的缺点,结合粒子群算法和蚁群算法的优化方式,构造了一种新的个体更新方式,并在更新流程中引入了遗传进化机制以更好地保持种群多样性。通过基准测试函数仿真对比实验和基站选址优化的对比实验结果可知,论文提出的粒子群果蝇混合优化算法具有较高的寻优性能,网络覆盖率更高,计算速度更快。
密度峰值聚类(DPC)是近年来提出的一种新的密度聚类算法,算法的核心是基于局部密度和相对距离,通过画出决策图,人为选定聚类中心,进而完成聚类。DPC算法利用截断距离计算局部密度,本质上只考虑了周围近邻节点的数量,且算法采用单步分配策略,一定程度上限制了算法对任意数据集的计算精度和有效性。针对上述问题,提出基于二阶k近邻的密度峰值聚类算法(SODPC)。算法通过引入节点的二阶k近邻,计算直接密度和间接密度,重新定义局部密度的计算方式。在此基础上,定义非中心节点的多步骤分配策略完成聚类。通过人工和真实数据的测