栏目文章

Select

1. 融合图谱重构的时序知识图谱推理

许智宏, 张天润, 王利琴, 董永峰

计算机工程与应用 2024, 60 (9): 181-187. DOI: 10.3778/j.issn.1002-8331.2212-0197

摘要（12）

PDF（pc）（2822KB）（14）

针对现有时序知识图谱模型多数基于静态知识图谱快照序列进行推理，无法充分捕获细粒度时序特征的问题，设计了基于图谱重构的时序知识图谱推理模型（graph reconstruction for temporal knowledge reasoning，GRTKR）。该模型通过对实体的时间邻域进行采样完成时序知识图谱重构，结合时间编码器提供的显式时序特征与邻域特征聚合器提供的隐式时序特征来提升对时序数据建模的能力。在时序知识图谱数据集ICEWS14、ICEWS05-15、YAGO11K上的实验验证了方法的有效性，并且相比于主流基线模型，MRR、Hits@1、Hits@3、Hits@10评价指标均有明显提升。

参考文献 | 相关文章 | 多维度评价

Select

2. 结合双曲图注意力网络与标签信息的短文本分类方法

宋建平, 王毅, 孙开伟, 刘期烈

计算机工程与应用 2024, 60 (9): 188-195. DOI: 10.3778/j.issn.1002-8331.2212-0335

摘要（11）

PDF（pc）（3422KB）（10）

针对现有方法在文本分类任务中没有综合考虑文本的层级结构和标签对于文本特征学习的重要性而导致的鲁棒性不足、表达能力不足等问题，提出了一种基于双曲图注意力网络的短文本分类算法L-HGAT。利用文本的复杂层级结构与双曲空间的树相似性特征的契合性，将文本嵌入到具有负常数曲率的双曲空间中，充分利用双曲流行表征的强大表达能力。设计双曲图注意力网络，融合节点特征与边特征，增强对文本中关键局部信息的聚合能力。使用基于双曲空间中的测地线距离的标签文本交互函数进一步引导文本特征学习，以此提升文本分类精度。实验结果表明，与基准模型相比，所提方法在基准数据集上显著优于现有研究方法，能够有效地提升模型性能，更好地完成文本分类任务。

参考文献 | 相关文章 | 多维度评价

Select

3. 融合汉字输入法的BERT与BLCG的长文本分类研究

杨文涛, 雷雨琦, 李星月, 郑天成

计算机工程与应用 2024, 60 (9): 196-202. DOI: 10.3778/j.issn.1002-8331.2212-0357

摘要（9）

PDF（pc）（2785KB）（10）

现有的中文长文本分类模型中，没有考虑汉字读音、笔画等特征信息，因此不能充分表示中文语义；同时，长文本中常常包含大量与目标主题无关的信息，甚至部分文本与其他主题相关，导致模型误判。为此，提出了一种融合汉字输入法的BERT（BERT fused Chinese input methods，CIMBERT）、带有门控机制的长短期记忆卷积网络（BiLSTM fused CNN with gating mechanism，BLCG）相结合的文本分类方法。该方法使用BERT模型进行文本的向量表示，在BERT模型的输入向量中，采用了拼音和五笔两种常用的汉字输入法，增强了汉字的语义信息。建立了BLCG模型进行文本特征提取，该模型使用双向长短期记忆网络（BiLSTM）进行全局特征提取、卷积神经网络（CNN）进行局部特征提取，并通过门控机制（gating mechanism）动态融合全局特征和局部特征，解决了部分文本与目标主题无关导致模型误判的问题。在THUCNews数据集与Sogou语料库上对该方法进行了验证，其准确率为97.63%、95.43%，F1-score为97.68%、95.49%，优于其他文本分类模型。

参考文献 | 相关文章 | 多维度评价

Select

4. 多层级信息增强异构图的篇章级话题分割模型

张洋宁, 朱静, 董瑞, 尤泽顺, 王震

计算机工程与应用 2024, 60 (9): 203-211. DOI: 10.3778/j.issn.1002-8331.2212-0363

摘要（10）

PDF（pc）（3414KB）（5）

话题分割是自然语言处理领域的基础任务之一，按照话题相关性原则将文本分割为多个话题相关的文本块。针对现有话题分割模型提取句子深层语义信息方面明显不足，并且忽略了篇章中的层次信息和上下文交互等问题，提出了一种多层级信息增强异构图的篇章级话题分割模型MHG-TS。该方法利用篇章中的句子和关键词构建异构图网络，引入BERT预训练语言模型捕获图中节点的深层语义特征，在句子节点一阶邻域层级，利用图注意力机制为语义关联的节点分配更大的边权重，增强了一阶邻域中语义关联节点的信息交互；在关键词节点层级，引入关键词信息加强句子语义特征表示；在句子高阶邻域层级，利用关键词节点作为中介，构建了句子节点高阶邻域中的跨句信息交互，丰富了句子节点之间的非序列关系，最终通过融合多层级信息实现包含全局语义信息的句子表示。相较于当下流行的模型，在多个数据集上，三个评价指标性能平均值分别提高了3.08%、2.56%、5.92%，取得了最佳的实验结果。

参考文献 | 相关文章 | 多维度评价

Select

5. 基于位置增强词向量和GRU-CNN的方面级情感分析模型研究

陶林娟, 华庚兴, 李波

计算机工程与应用 2024, 60 (9): 212-218. DOI: 10.3778/j.issn.1002-8331.2212-0375

摘要（9）

PDF（pc）（2790KB）（10）

方面级情感分析旨在判断一段文本中特定方面词的情感倾向，其核心问题是方面词的上下文如何准确表征。与现有研究主要关注注意力机制的改进不同，该文从词语表征和上下文编码模型两个方面进行改进。在词语表征方面，通过BERT模型和位置度量公式获得增强的词向量表示；在上下文编码模型方面，使用GRU-CNN网络提取文本语义特征。在SemEval2014 Task4数据集上的实验表明，提出的模型在Restaurant和Laptop领域中的准确率分别达到了85.54%和80.35%，证实了所提出模型的有效性。

参考文献 | 相关文章 | 多维度评价

Select

6. 属性蒸馏的零样本识别方法

李厚君, 韦柏全

计算机工程与应用 2024, 60 (9): 219-227. DOI: 10.3778/j.issn.1002-8331.2212-0382

摘要（12）

PDF（pc）（8175KB）（10）

零样本识别是计算机视觉领域最具挑战性的任务之一，其关键在于如何从已见类中学到稳定和可迁移的知识。为提高零样本识别的准确率，对零样本识别问题进行了系统研究，并利用知识蒸馏的思想，精心设计了一个简单有效的属性蒸馏分类器。它符合人类认识事物的过程，首先从Vision Transformer大模型中获得全面细致的视觉特征，再运用属性概念蒸馏出物体的属性知识，最后迁移到未见类识别任务中。公开数据集上的实验表明，该方法取得了具有竞争力的结果，其识别准确率虽略低于最新的属性引导算法，但优于其他传统方法，而且识别架构简单具有更快的处理速度。同时，研究也指出了减少属性描述的稀疏性，以及增加多视角高清图像，将有利于提高零样本识别方法的准确率。

参考文献 | 相关文章 | 多维度评价

Select

7. 文本核重建与扩展实现任意形状文本检测

邓胜军, 陈念年

计算机工程与应用 2024, 60 (9): 228-236. DOI: 10.3778/j.issn.1002-8331.2301-0074

摘要（8）

PDF（pc）（6663KB）（9）

基于分割的方法对自然场景中的文本进行像素级预测，大幅度提升了对任意形状文本的检测效果，但是如何有效分离相邻文本仍然是检测中的难题。目前广泛采用的方法是通过缩小文本注释边界得到文本核来分离相邻文本。然而，网络预测文本核时舍弃了文本核外大部分信息，降低了基于分割的文本检测方法的性能。为了解决这个问题，提出了一种文本核重建算法，将文本核的生成放在后处理阶段，通过网络预测的方向场将文本实例向内收缩形成文本核。同时，提出了一种文本核扩展算法用于将文本核恢复为完整的文本实例。实验表明，所提方法在Total-Text（88.66%）、CTW-1500（87.28%）和MSRA-TD500（90.65%）三个数据集上取得了相似或最好的检测性能。

参考文献 | 相关文章 | 多维度评价

Select

8. 混合特征及多头注意力的中文短文本分类

江结林, 朱永伟, 许小龙, 崔燕, 赵英男

计算机工程与应用 2024, 60 (9): 237-243. DOI: 10.3778/j.issn.1002-8331.2302-0396

摘要（13）

PDF（pc）（2833KB）（16）

传统的短文本分类研究方法存在两方面不足，一是不能全面地表示文本的语义信息，二是无法充分地提取和融合文本全局和局部信息。基于此，提出一种混合特征及多头注意力（HF-MHA）的中文短文本分类方法。该方法利用预训练模型计算中文短文本的字符级向量和词级向量表示，以得到更全面的文本特征向量表示；采用多头注意力机制捕捉文本序列中的依赖关系，以提高文本的语义理解；通过卷积神经网络分别提取两种向量表示的特征，并将其融合为一个特征向量，以整合文本的全局和局部信息；通过输出层得到分类结果。在三个公开数据集上的实验表明，HF-MHA能够有效地提升中文短文本分类的性能。

参考文献 | 相关文章 | 多维度评价

Select

9. 基元库构建思想的机器人动作与策略演示学习方法

李铁军, 刘家奇, 刘今越, 贾晓辉

计算机工程与应用 2024, 60 (8): 90-98. DOI: 10.3778/j.issn.1002-8331.2211-0261

摘要（36）

PDF（pc）（1099KB）（55）

为解决机器人演示学习过程中演示数据优化、动作与任务策略的存储调用问题，提出一种利用基元库思想的演示学习方法。动作学习采用专家拖动机械臂执行动作获取演示数据，利用高斯混合模型与高斯混合回归提升数据质量，由动态运动基元算法转换为基函数的权重值。策略学习将任务步骤创建为动作基元，向基元内添加得到的权重值并构建包含任务执行策略的基元名片，由基元组成基元库完成存储。执行任务时从基元库中有序调用基元，利用YOLOv5目标检测网络和AlexNet图像分类网络检测目标信息，匹配动作并泛化出具有原动作特征的新动作。该方法实现了从演示中学习动作与策略存储，根据实际目标组合合适动作完成任务。钢筋绑扎实验创建5个动作基元，通过专家演示学习10个动作，机器人利用动作基元库成功完成水平面与竖直面钢筋交叉点绑扎任务说明其有效性。

参考文献 | 相关文章 | 多维度评价

Select

10. E-TUP：融合E-CP与TUP的联合知识图谱学习推荐方法

赵博, 王宇嘉, 倪骥

计算机工程与应用 2024, 60 (8): 99-109. DOI: 10.3778/j.issn.1002-8331.2211-0464

摘要（37）

PDF（pc）（635KB）（68）

目前，大部分将知识图谱引入推荐系统的方法只是将已知的表层知识图谱实体进行引入，没有对图谱的内在关系进行预测和挖掘，因此无法利用知识图谱中的隐藏关系。针对上述问题，提出联合学习推荐模型E-TUP（enhance towards understanding of user preference），使用E-CP（enhance canonical polyadic）进行知识图谱补全并将完整信息进行传递。利用储存空间负采样方法，将优质负例三元组进行存储，并随训练过程进行更新，以提高知识图谱补全中负例三元组的质量。链接预测实验结果显示，储存空间方法使E-TUP模型链接预测准确率对比现有模型最高提升10.3%。在MovieLens-1m和DBbook2014数据集上进行推荐实验，在多个评价指标上取得最佳结果，对比现有模型实现最高5.5%的提升，表明E-TUP可以有效利用知识图谱中的隐藏关系提高模型推荐准确率。基于汽车维修数据进行推荐实验，结果表明E-TUP可以有效推荐相关知识。

参考文献 | 相关文章 | 多维度评价

Select

11. 改进Deeplabv3+的双注意力融合作物分类方法

郭金, 宋廷强, 孙媛媛, 巩传江, 刘亚林, 马兴录, 范海生

计算机工程与应用 2024, 60 (8): 110-120. DOI: 10.3778/j.issn.1002-8331.2211-0468

摘要（43）

PDF（pc）（850KB）（61）

近年来，卷积神经网络（convolutional neural networks，CNN）在农作物分类研究中不断取得新进展，但在建模长期依赖关系方面表现出一定的局限性，对农作物全局特征的捕获存在不足。针对以上问题，将Transformer引入Deeplab v3+模型，提出了一种用于无人机影像农作物分类的并行分支结构——DeepTrans（Deeplab v3+with Transformer）模型。DeepTrans以一种并行的方式将Transformer和CNN结合在一起，利于全局特征与局部特征的有效捕获。通过引入Transformer来增强图像中信息的远距离依赖关系，提高了作物全局信息的提取能力；加入通道注意力机制和空间注意力机制加强Transformer对通道信息的敏感度及ASPP（atrous spatial pyramid pooling）对作物空间信息捕获能力。实验结果表明，DeepTrans模型在MIoU指标上可达0.812，相较于Deeplab v3+模型提高了3.9%，该模型在五类作物的分类中精度均有提升，对于容易错分的甘蔗、玉米和香蕉三种作物，其IoU分别提高了2.9%、4.7%、13%。由此可见，DeepTrans模型在农作物分类图像的内部填充和全局预测方面有着更好的分割效果，有助于更准确地监测农田作物的种植结构及规模。

参考文献 | 相关文章 | 多维度评价

Select

12. 融合Lasso的近似马尔科夫毯特征选择方法

刘明, 杜建强, 李郅琴, 罗计根, 聂斌, 张梦婷

计算机工程与应用 2024, 60 (8): 121-130. DOI: 10.3778/j.issn.1002-8331.2212-0094

摘要（26）

PDF（pc）（597KB）（25）

在特征选择问题中，近似马尔科夫毯常用于判断冗余特征，但所得到的冗余特征并不完全相同，因此，在直接使用近似马尔科夫毯删除冗余特征时，存在可能导致信息丢失的情况，影响模型精度。为此，提出一种用于中药代谢组学高维小样本数据的融合Lasso的近似马尔科夫毯特征选择方法。方法分为两个阶段，第一阶段，通过最大信息系数对特征的相关度分析过滤无关特征；第二阶段，采用近似马尔科夫毯构建相似特征组，使用Lasso评估相似特征组中特征影响力，迭代去除冗余特征。通过实验对比表明，该算法可以在一定程度上减少有用信息丢失，去除无关特征和冗余特征，提高模型精度和稳定性。

参考文献 | 相关文章 | 多维度评价

Select

13. 结合数据增强的跨模态行人重识别轻量网络

曹钢钢, 王帮海, 宋雨

计算机工程与应用 2024, 60 (8): 131-139. DOI: 10.3778/j.issn.1002-8331.2212-0100

摘要（39）

PDF（pc）（714KB）（61）

现有的跨模态行人重识别方法中，轻量化网络的相关研究较少。考虑到硬件部署对轻量化网络的需求，提出新的跨模态行人重识别轻量网络。以Osnet为基础，进行特征提取器和特征嵌入器的拆分。同时使用数据增强操作，利用有限的数据集，最大程度提高了网络的鲁棒性。改进难样本三元组损失函数，在减少计算量的同时缩小模态间差异，提升网络识别准确率。提出的轻量化网络结构简单且效果显著，在SYSU-MM01数据集的全搜索模式下rank-1/mAP分别达到65.56%、61.36%，参数量仅为1.92×106。

参考文献 | 相关文章 | 多维度评价

Select

14. 尺度不变的条件数约束的模型鲁棒性增强算法

徐杨宇, 高宝元, 郭杰龙, 邵东恒, 魏宪

计算机工程与应用 2024, 60 (8): 140-147. DOI: 10.3778/j.issn.1002-8331.2212-0114

摘要（21）

PDF（pc）（605KB）（21）

深度神经网络容易受到对抗样本的攻击，这一直威胁着其在安全关键的场景中的应用。基于对抗样本是由神经网络的高度线性行为产生的这一解释，提出了一种基于尺度不变的条件数约束的模型鲁棒性增强算法。在对抗训练过程中利用权重矩阵计算其范数，并通过对数函数获得尺度不变的约束项。将尺度不变的条件数约束项纳入到对抗训练优化的外层框架中，经过反向传播迭代降低权重矩阵的条件数值，从而在良态的高维权重空间中进行神经网络的线性变换，以提高防御对抗扰动的鲁棒性。该算法适用于卷积和Transformer两种架构的视觉模型，不仅在防御PGD、AutoAttack等白盒攻击时可以显著提高鲁棒精度，在防御黑盒攻击square attack等算法时也能有效增强对抗鲁棒性。在基于Transformer架构的图像分类模型上进行对抗训练时结合所提出的约束，权重矩阵的条件数值平均下降了20.7%，防御PGD攻击时可提高1.16个百分点的鲁棒精度。与Lipschitz约束等同类方法相比，提出的算法还能提高干净样本的精度，缓解对抗训练造成的模型泛化性低的问题。

参考文献 | 相关文章 | 多维度评价

Select

15. 脑电信号多特征融合与卷积神经网络算法研究

宋世林, 张学军

计算机工程与应用 2024, 60 (8): 148-155. DOI: 10.3778/j.issn.1002-8331.2212-0301

摘要（34）

PDF（pc）（707KB）（45）

针对脑电信号（electroencephalogram，EEG）运动想象中单一特征无法多维表征信号中的信息导致的分类准确率不高的问题，提出一种基于样本熵和共空间模式特征融合的特征提取算法。算法先对原始脑电信号进行小波包分解，从中选择包含μ和β节律的分量进行重构，然后分别提取重构信号的样本熵和CSP（common spatial pattern，CSP）特征，将两者融合组成新的特征向量，使用所设计的一维卷积神经网络对其进行识别获得分类结果。所提方法在2003年BCI Dataset III中获得了91.66%的分类准确率，在2008年BCI Dataset A中获得了85.29%的平均分类准确率。与近年来文献中提出的多特征融合算法相比，准确率提高了7.96个百分点。

参考文献 | 相关文章 | 多维度评价

Select

16. 融合交互注意力网络的实体和关系联合抽取模型

郝小芳, 张超群, 李晓翔, 王大睿

计算机工程与应用 2024, 60 (8): 156-164. DOI: 10.3778/j.issn.1002-8331.2301-0154

摘要（37）

PDF（pc）（609KB）（40）

实体关系三元组的抽取效果直接影响后期知识图谱构建的质量，而传统流水线式和联合式抽取的模型，并没有对句子级别和关系级别的语义特征进行有效建模，从而导致模型性能的缺失。为此，提出一种融合句子级别和关系级别的交互注意力网络的实体和关系联合抽取模型RSIAN，该模型通过交互注意力网络来学习句子级别和关系级别的高阶语义关联，增强句子和关系之间的交互，辅助模型进行抽取决策。在构建的中文旅游数据集（TDDS）的Precision、Recall和F1值分别为0.872、0.760和0.812，其性能均优于其他对比模型；为了进一步验证该模型在英文联合抽取上的性能，在公开英文数据集NYT和Webnlg上进行实验，该模型的F1值相比基线模型RSAN模型分别提高了0.014和0.013，并且该模型在重叠三元组的分析实验也均取得了优于基线模型的性能且更稳定。

参考文献 | 相关文章 | 多维度评价

Select

17. 双元双模态下二次门控融合的多模态情感分析

刘青文, 买日旦·吾守尔, 古兰拜尔·吐尔洪

计算机工程与应用 2024, 60 (8): 165-172. DOI: 10.3778/j.issn.1002-8331.2302-0088

摘要（30）

PDF（pc）（567KB）（38）

为了平衡情感信息在不同模态中分布的不均匀性，获得更深层次的多模态情感表征，提出了一种基于双元双模态二次门控融合的多模态情感分析方法。对文本、视觉模态，文本、语音模态分别融合，充分考虑文本模态在三个模态中的优势地位。同时为了获得更深层次的多模态交互信息，使用二次融合。在第一次融合中，使用融合门决定向主模态添加多少补充模态的知识，得到两个双模态混合知识矩阵。在第二次融合中，考虑到两个双模态混合知识矩阵中存在冗余、重复的信息，使用选择门从中选择有效、精简的情感信息作为双模态融合后的知识。在公开数据集CMU-MOSEI上，情感二分类的准确率和F1值分别达到了86.2%、86.1%，表现出良好的健壮性和先进性。

参考文献 | 相关文章 | 多维度评价

Select

18. 多模态方面级情感分析的多视图交互学习网络

王旭阳, 庞文倩, 赵丽婕

计算机工程与应用 2024, 60 (7): 92-100. DOI: 10.3778/j.issn.1002-8331.2210-0288

摘要（83）

PDF（pc）（591KB）（140）

以往的多模态方面级情感分析方法只利用预训练模型的一般文本和图片表示，对方面和观点词相关性的识别不敏感，且不能动态获取图片信息对单词表示的贡献，因而不能充分识别多模态与方面之间的相关性。针对上述问题，提出一种多视图交互学习网络模型。将句子从上下文和句法两个视图上分别提取特征，以便在多模态交互时充分利用到文本的全局特征；对文本、图片和方面之间的关系进行建模，使模型实现多模态交互；同时融合不同模态的交互表示，动态获取视觉信息对文本中每个单词的贡献程度，充分提取模态与方面之间的相关性。最后通过全连接层和Softmax层获取情感分类结果。在两个数据集上进行实验，实验结果表明该模型能够有效增强多模态方面级情感分类的效果。

参考文献 | 相关文章 | 多维度评价

Select

19. 结合项目属性协作信号减少无关邻域的推荐

赵文涛, 薛赛丽, 刘甜甜

计算机工程与应用 2024, 60 (7): 101-107. DOI: 10.3778/j.issn.1002-8331.2211-0042

摘要（37）

PDF（pc）（568KB）（38）

在推荐系统中，知识图谱（knowledge graph，KG）作为辅助信息，提高了算法的性能以及可解释性。但在聚合多跳邻居时，它通常把所有的实体信息加以聚合并传播。KG中不是所有的信息都有助于改善推荐结果，当聚合邻域信息不加以区分时，实体的嵌入就会受到不相关实体的干扰。针对上述问题，提出一个项目属性协作信号和筛选高相关的邻域策略的模型（RUNCS），用以提高推荐的效果。具体来说，把点击过相同项目的用户称为相似邻居，通过相似邻居点击的项目和KG中的项目属性相结合，从而得到项目属性协作集；通过计算项目属性的相似性，得到相关性分数，用以筛选高相关的邻居；利用注意力机制对其分配权重进行信息聚合。在音乐和电影两个基准数据集中的实验结果表明，与现有最优主流方法相比，该模型在CTR预测上AUC提升0.6~2.7个百分点。

参考文献 | 相关文章 | 多维度评价

Select

20. 融合改进YOLOv5及Mediapipe的手势识别研究

倪广兴, 徐华, 王超

计算机工程与应用 2024, 60 (7): 108-118. DOI: 10.3778/j.issn.1002-8331.2308-0097

摘要（106）

PDF（pc）（686KB）（124）

针对现有手势识别算法计算量大、鲁棒性差等问题，提出一种基于IYOLOv5-Med（improved YOLOv5 Mediapipe）算法的手势识别方法。该算法将改进的YOLOv5算法和Mediapipe方法结合，包括手势检测和手势分析两部分，算法有效降低了训练的时间成本，增加了识别的鲁棒性。手势检测部分，改进了传统YOLOv5算法，利用FastNet重构C3模块，将CBS模块替换为GhostNet中GhostConv模块，在Backbone网络末端加入SE注意力机制模块，改进后的算法，模型体积更小，更适用于资源有限的边缘设备。手势分析部分，提出了一种基于Mediapipe的方法，对手势检测部分定位到的手势区域进行手部关键点检测，并提取相关特征，然后通过朴素贝叶斯分类器进行识别。实验结果证实了提出的IYOLOv5-Med算法的有效性，与传统YOLOv5算法相比，参数量下降34.5%，计算量减少34.9%，模型权重降低33.2%，最终平均识别率达到0.997，且实现方法相对简单，有较好的应用前景。

参考文献 | 相关文章 | 多维度评价

Select

21. 基于多序列隐关系的时序事件预测

郝志峰, 刘俊, 温雯, 蔡瑞初

计算机工程与应用 2024, 60 (7): 119-127. DOI: 10.3778/j.issn.1002-8331.2211-0137

摘要（46）

PDF（pc）（533KB）（52）

时序事件预测是指基于历史事件预测下一个事件，事件包括时间和类型两个属性。当前主要工作集中在单方面（事件时间或事件类型）的预测，但这无法回答“何时发生何事”这类更精细的问题。此类问题的挑战主要是事件类型非常多样，而行为往往高度稀疏，给预测带来极大困难；需要预测的事件时间和事件类型分属两个域，如何把这两个域的信息加以融合并形成互补也是一个挑战。针对上述挑战，从融合多序列隐信息的角度探索了一种解决方法。基于某些事件序列之间具有模式相似性这一观察，提出建模事件序列的隐关系图，利用邻居序列的信息解决行为稀疏性的问题；通过合理设计神经网络模块，将事件的时间域和类型域的信息映射到共同的抽象空间，解决事件时间和事件类型信息的融合建模问题。通过在多个真实数据集上进行了大量实验，实验结果印证了多序列深度时序模型优于现有的一系列基准模型。

参考文献 | 相关文章 | 多维度评价

Select

22. 面向会话的需求感知注意图神经网络推荐模型

郑小丽, 王巍, 杜雨晅, 张闯

计算机工程与应用 2024, 60 (7): 128-140. DOI: 10.3778/j.issn.1002-8331.2211-0248

摘要（34）

PDF（pc）（1008KB）（51）

针对现有基于图的会话推荐方法忽略了反馈数据中由于用户行为不确定性引起的噪声影响，存在无法准确和有效地捕捉用户偏好的问题，提出一种面向会话的需求感知注意图神经网络推荐模型（DAAGNNSR）。将具有时序性的会话数据构建为图，通过引入图神经网络学习图上节点嵌入表示；将提取的项目特征使用需求感知聚合器线性聚合为用户潜在需求矩阵，以自动削弱噪声干扰，同时用低秩多头注意力网络将该矩阵与全部项目特征进行逐项兴趣交互生成需求增强的项目表征；联合独立位置编码进一步分析项目间顺序关联，并且将生成的独立位置嵌入与项目表征进行线性融合；经过预测层生成推荐列表。将所提模型在Diginetica、Tmall和Nowplaying三个公共数据集上进行训练和测试，实验结果表明，该模型的推荐精度在各指标上均优于其他基线模型，与基于图上下文自注意力机制模型（GCSAN）相比，Diginetica上NDCG@10提高了5.6%，Tmall上Recall@10提高了6.4%；与基于图神经网络的SRGNN相比，Tmall上Precision@10提高了5.0%，推荐性能显著提升。

参考文献 | 相关文章 | 多维度评价

Select

23. 特征注意力Transformer模块在3D唇语序列身份识别中的应用

骈鑫洋, 王瑜, 张洁

计算机工程与应用 2024, 60 (7): 141-146. DOI: 10.3778/j.issn.1002-8331.2211-0295

摘要（41）

PDF（pc）（598KB）（64）

唇语行为是一种新兴起的生物特征识别技术，三维（three-dimensional，3D）唇语点云序列因包含真实嘴唇空间结构和运动信息，已成为个体身份识别的重要生物特征。但是，3D点云的无序与非结构化的特点导致时空特征的提取非常困难。为此，提出一种深度学习网络模型，用于3D唇语序列身份识别。该网络采用四层改进的PointNet++作为网络骨干，以分层方式抽取特征，为了学习到更多包含身份信息的时空特征，设计一种动态唇特征注意力Transformer模块，连接于PointNet++网络每一层之后，可以学习到不同特征图之间的相关信息，有效捕捉视频序列不同帧的上下文信息。与其他注意力机制构建的Transformer相比，提出的Transformer模块具有较少的参数，在S3DFM-FP和S3DFM-VP数据集上进行的实验表明，提出网络模型在3D唇语点云序列的身份识别任务中效果显著，即使在不受姿态约束的S3DFM-VP数据集中也表现出良好的性能。

参考文献 | 相关文章 | 多维度评价

Select

24. 基于Conformer的实时多场景说话人识别模型

宣茜, 韩润萍, 高静欣

计算机工程与应用 2024, 60 (7): 147-156. DOI: 10.3778/j.issn.1002-8331.2210-0145

摘要（36）

PDF（pc）（792KB）（39）

为解决在多场景（跨域、长时以及噪声干扰语音场景）下说话人确认系统性能较差的问题，提出了一种基于Conformer构建的、实时多场景鲁棒的说话人识别模型——PMS-Conformer。PMS-Conformer的设计灵感来自于先进的模型MFA-Conformer。PMS-Conformer对MFA-Conformer的声学特征提取器、网络组件和损失函数计算模块进行了改进，其具有新颖有效的声学特征提取器，以及鲁棒的、具有较强泛化能力的声纹嵌入码提取器。基于VoxCeleb1&2数据集实现了PMS-Conformer的训练；开展了PMS-Conformer与基线MFA-Conformer以及ECAPA-TDNN在说话人确认任务上的性能对比评估实验。实验结果表明在长语音SITW、跨域VoxMovies以及加噪处理的VoxCeleb-O测试集上，以PMS-Conformer构建的说话人确认系统的性能比用这两个基线构建的说话人确认系统更有竞争力；并且在声纹嵌入码提取器的可训练参数（Params）和推理速度（RTF）方面，PMS-Conformer明显优于ECAPA-TDNN。实验结果说明了PMS-Conformer在实时多场景下具有良好的性能。

参考文献 | 相关文章 | 多维度评价

Select

25. 结合对比学习的图像指导增强视觉问答模型

杨有, 姚露

计算机工程与应用 2024, 60 (7): 157-166. DOI: 10.3778/j.issn.1002-8331.2211-0447

摘要（41）

PDF（pc）（911KB）（48）

针对现有的注意力编解码视觉问答模型存在两个问题：单一形态图像特征包含视觉信息不完整，以及对问题指导过度依赖，提出结合对比学习的图像指导增强视觉问答模型。所提模型包含一种双特征视觉解码器，它基于Transformer语言编码器实现，将单一的图像特征扩展为区域和网格两种形态，根据不同形态特征的相对位置构建互补的空间关系，以解决第一问题。所提模型包含一种视觉引导的语言解码器，将视觉解码的两种图像特征与问题特征二次匹配，通过平行门控引导注意力，自适应地修正不同视觉信息对问题的引导比例，以解决第二问题。所提模型，在训练过程中，引入对比学习损失函数，通过对比模型推理时不同模态特征在隐空间内的相似度，获取更相近的互信息。所提模型，在VQA 2.0、COCO-QA和GQA数据集上分别取得73.82%、72.49%和57.44%的总体准确率，较MCAN模型分别提高2.92个百分点、4.41个百分点和0.8个百分点。大量消融实验和可视化分析证明了模型的有效性。实验结果表明，所提模型能够获取更相关的语言-视觉信息，并且对不同类型的问题样本具有更强的泛化能力。

参考文献 | 相关文章 | 多维度评价

Select

26. 融入BioCopy机制的医疗报告抽取生成模型

刘岚, 谭红叶

计算机工程与应用 2024, 60 (6): 155-162. DOI: 10.3778/j.issn.1002-8331.2210-0071

摘要（36）

PDF（pc）（600KB）（41）

智慧医疗是融合了人工智能技术的新型健康医疗服务模式，其中医疗报告自动生成是智慧医疗领域的一项重要任务，该任务依据病人自述和医患对话，生成半结构化的医疗报告。医疗报告不仅包含主诉等多个子部分，而且包含大量来自原文的医疗术语。针对这些特点，采用了融入BioCopy机制的抽取与生成结合的摘要模型，模型首先对每个子部分进行关键句抽取，排除无关信息的干扰；然后在生成医疗报告时加入BioCopy机制以复制关键句中的医疗术语，保证结果的准确性。在CCL 2021相关数据集上的实验结果表明：该模型优于主要baseline，取得了较好的效果。

参考文献 | 相关文章 | 多维度评价

Select

27. 滤波器弹性的深度神经网络通道剪枝压缩方法

李瑞权, 朱路, 刘媛媛

计算机工程与应用 2024, 60 (6): 163-171. DOI: 10.3778/j.issn.1002-8331.2210-0420

摘要（22）

PDF（pc）（713KB）（25）

深度神经网络（deep neural network，DNN）在各个领域获得了巨大成功，由于其需要高额的计算和储存成本，难以直接将它们部署到资源受限的移动设备端。针对这个问题，对网络中的全局滤波器重要性评估进行了研究，提出滤波器弹性的通道剪枝压缩方法以轻量化神经网络的规模。该方法先设置层间局部动态阈值改进L1正则化（L1 lasso）稀疏训练中剪枝过度的不足；然后将其输出乘以通道缩放因子替换普通的卷积层模块，利用滤波器的弹性大小定义全局滤波器的重要性，其数值由泰勒公式估计得出并排序，同时设计新的滤波器迭代剪枝框架，以平衡剪枝性能和剪枝速度的矛盾；最后利用改进的L1正则化训练和全局滤波器重要性程度进行复合通道剪枝。在CIFAR-10上使用所提方法对VGG-16进行实验，减少了80.2%的浮点运算次数（FLOPs）和97.0%的参数量，而没有明显的准确性损失，表明了方法的有效性，能大规模地压缩神经网络，可部署于资源受限的终端设备。

参考文献 | 相关文章 | 多维度评价

Select

28. 基于YOLOv5的角度优化抓取检测算法研究

陈春朝, 孙东红

计算机工程与应用 2024, 60 (6): 172-179. DOI: 10.3778/j.issn.1002-8331.2210-0499

摘要（45）

PDF（pc）（649KB）（52）

针对目前机器人抓取检测方法抓取角度预测过于离散,抓取过程可能产生较大偏角，降低抓取检测精度，甚至导致抓取失败的问题，提出了一种基于YOLOv5神经网络模型改进的机器人实时抓取检测方法。以单阶段目标检测模型YOLOv5为基础,提取抓取框坐标及抓取角度。对抓取角度进行更细致的划分，同时引入环形平滑标签以适应角度的周期性，建立相邻角度之间的联系，将YOLOv5检测头进行解耦，并对损失函数进行优化，提高检测精度。在Cornell数据集上进行实验验证。实验结果表明，与经典的抓取检测方法相比，所提算法能够更好地预测抓取角度，提升抓取检测精度；在Cornell数据集上，此模型达到了97.5%的准确率以及71?FPS的检测速度。

参考文献 | 相关文章 | 多维度评价

Select

29. 自编码器动态主导融合的多模态情感分析

杨溪, 郭军军, 严海宁, 谭凯文, 相艳, 余正涛

计算机工程与应用 2024, 60 (6): 180-187. DOI: 10.3778/j.issn.1002-8331.2211-0010

摘要（45）

PDF（pc）（562KB）（55）

多模态情感分析过程中，对情感判定起主导作用的模态常常是动态变化的。传统多模态情感分析方法中通常仅以文本为主导模态，而忽略了由于模态之间的差异性造成不同时刻主导模态的变化。针对如何在各个时刻动态选取主导模态的问题，提出一种自编码器动态主导融合的多模态情感分析方法。该方法首先对单模态编码并获得多模态融合特征，再利用自编码器将其表征到共享空间内；在此空间内衡量单模态特征与融合模态特征的相关程度，在各个时刻动态地选取相关程度最大的模态作为该时刻的主导模态；最后，利用主导模态引导多模态信息融合，得到多模态鲁棒性表征。在多模态情感分析基准数据集CMU-MOSI上进行广泛实验，实验结果表明提出方法的有效性，并且优于大多数现有最先进的多模态情感分析方法。

参考文献 | 相关文章 | 多维度评价

Select

30. 融合多特征及协同注意力的医学命名实体识别

刘歆宁

计算机工程与应用 2024, 60 (6): 188-198. DOI: 10.3778/j.issn.1002-8331.2211-0094

摘要（36）

PDF（pc）（707KB）（43）

针对当前中文医疗命名实体识别中未融合医学领域文本独有的特征信息导致实体识别准确率无法有效提升的情况，及单注意力机制影响实体分类效果的问题，提出一种基于多特征融合和协同注意力机制的中文医疗命名实体识别方法。利用预训练模型得到原始医学文本的向量表示，再利用双向门控循环神经网络（BiGRU）获取字粒度的特征向量。结合医疗领域命名实体鲜明的部首特征，利用迭代膨胀卷积神经网络（IDCNN）提取部首级别的特征向量。使用协同注意力网络（co-attention network）整合特征向量，生成<文字-部首>对的双相关特征，再利用条件随机场（CRF）输出实体识别结果。实验结果表明，在CCKS数据集上，相较于其他的实体识别模型能取得更高的准确率、召回率和F1值，同时虽然增加了识别模型的复杂程度，但性能并没有明显的降低。

参考文献 | 相关文章 | 多维度评价

Select

31. 结合实体边界线索的中文命名实体识别方法

黄蓉, 陈艳平, 扈应, 黄瑞章, 秦永彬

计算机工程与应用 2024, 60 (6): 199-206. DOI: 10.3778/j.issn.1002-8331.2211-0119

摘要（48）

PDF（pc）（612KB）（51）

命名实体识别作为信息抽取领域的一个基础任务，能为机器翻译、关系抽取等下游任务提供有效支撑，具有重要的研究意义。针对中文命名实体识别方法中存在的实体边界模糊的问题，提出了一种结合实体边界线索的命名实体识别模型，模型由边界检测、线索生成、实体分类三个模块组成。利用边界检测模块识别实体边界。在线索生成模块中依据边界信息生成实体跨度，得到带边界线索标签的文本序列，使模型通过边界线索标签感知句子中的实体边界，学习实体边界和上下文的语义依赖特征。将带有边界线索标签的文本序列作为实体分类模块的输入，使用双仿射机制增强标签之间的语义交互，并结合双仿射机制与多层感知机的共同预测作为实体识别的结果。该模型在ACE2005中文数据集和Weibo数据集上的F1值分别达到了90.47%和73.54%，验证了模型对中文命名实体识别的有效性。

参考文献 | 相关文章 | 多维度评价

Select

32. 联合知识和视觉信息推理的视觉问答研究

苏振强, 苟刚

计算机工程与应用 2024, 60 (5): 95-102. DOI: 10.3778/j.issn.1002-8331.2209-0456

摘要（68）

PDF（pc）（740KB）（76）

视觉问答作为多模态领域中的一项任务，需要对不同模态的特征进行融合推理，具有重要的应用价值。在传统视觉问答中，只需依靠图像的视觉信息，便能很好地推理出问题答案，但纯视觉信息无法满足现实场景中多样化的问答需求。知识在视觉问答中发挥着重要的作用，能够很好地辅助问答。基于知识的开放性视觉问答需要关联外部知识，才能实现跨模态的场景理解。为了更好地融合视觉信息和相关联的外部知识，提出联合知识和视觉信息推理双线性结构，设计了图像特征联合问题特征，对知识表征进行双引导的注意力模块。该模型利用预训练的视觉-语言模型获取问题和图像的特征表示以及视觉推理信息；利用相似性矩阵计算问题语义对齐下的图像对象区域；问题特征联合对齐后的区域特征，对知识表征进行协同引导获得知识推理信息；视觉推理信息和知识推理信息进行融合得到最终的答案。在开放的OK-VQA数据集上的实验结果表明，该模型的准确率相比两种基线方法分别有1.97个百分点和4.82个百分点的提升，从而验证了该模型的有效性。

参考文献 | 相关文章 | 多维度评价

Select

33. 跨域人脸活体检测的单边对抗网络算法

曾凡智, 吴楚涛, 周燕

计算机工程与应用 2024, 60 (5): 103-111. DOI: 10.3778/j.issn.1002-8331.2210-0134

摘要（56）

PDF（pc）（589KB）（65）

现有跨域人脸活体检测算法，其特征提取过程容易发生过拟合和缺乏特征聚合所导致的泛化性不足问题。针对该问题，提出了跨域人脸活体检测的单边对抗网络算法，将分组卷积与改进的倒残差结构融合替换普通卷积，降低网络参数同时加强人脸细粒度特征的表达能力，并引入自适应特征归一化模块，强调图像中人脸活体信息区域淡化无关背景区域，有效避免人脸活体信息的过拟合并加强来自不同源域的人脸活体检测能力。基于NetVLAD引入通道注意力机制模块，通道注意力机制模块作为特征聚合网络的分支，学习不同源域中人脸局部特征的语义信息，有效增强对不同源域的人脸活体信息分类的泛化能力。设计两模块融合网络以提高未知场景下跨域人脸活体检测精度。在OULU-NPU、CASIA-FASD、MSU-MFSD和Idiap Replay-Attack数据集上的实验结果表明，该算法在跨数据集测试O&C&M to I、O&C&I to M、I&C&M to O、O&M&I to C均有不错的表现，其中，在O&C&I to M及O&M&I to C性能评估指标分别提升了0.99个百分点和0.5个百分点的精度。

参考文献 | 相关文章 | 多维度评价

Select

34. 面向方面级情感分析的多视图表示模型

徐学锋, 韩虎

计算机工程与应用 2024, 60 (5): 112-121. DOI: 10.3778/j.issn.1002-8331.2210-0231

摘要（60）

PDF（pc）（637KB）（64）

面向特定方面的用户评论细粒度情感分析是当前自然语言处理领域一个热门的研究话题，针对评论语句在内容表达和句法结构上的灵活性，综合运用词性、句法、语义等知识增强评论语句的特征表示是当前一种主要的研究思路。基于此，提出一种多视图融合表示的图卷积网络模型。该模型通过自注意力和特定方面注意力，学习得到评论语句基于上下文的增强表示；分别利用句法依赖信息和词共现信息，通过图卷积操作得到评论语句基于句法和基于语义的两种不同表示；在获得三种不同视图表示的基础上设计了一种分层融合方式，通过对三种表示的不同组合与卷积操作实现不同视图表示间的信息共享与互补。五个公开数据集上的实验结果表明该模型较现有模型取得了更好的性能。

参考文献 | 相关文章 | 多维度评价

Select

35. 文档级事件抽取反向推理模型

纪婉婷, 马宇航, 鲁闻一, 王俊陆, 宋宝燕

计算机工程与应用 2024, 60 (5): 122-129. DOI: 10.3778/j.issn.1002-8331.2210-0237

摘要（45）

PDF（pc）（634KB）（68）

事件抽取旨在从非结构化文本中检测事件类型并抽取事件要素。现有方法在处理文档级文本时仍存在局限性。这是因为文档级文本可能由多个事件组成，并且构成某一事件的事件要素通常分散在不同句子中。为应对上述挑战，提出了一种文档级事件抽取反向推理模型（reverse inference model for document-level event extraction，RIDEE）。基于无触发词的设计，将文档级事件抽取转化为候选事件要素抽取和事件触发推理两个子任务，并行式抽取事件要素并检测事件类型。此外，设计了一种用于存储历史事件的事件依赖池，使得模型在处理多事件文本时可以充分利用事件之间的依赖关系。公开数据集上的实验结果表明，与现有事件抽取模型相比，RIDEE在进行文档级事件抽取时具有更优的性能。

参考文献 | 相关文章 | 多维度评价

Select

36. 联合多意图识别与语义槽填充的双向交互模型

李实, 孙镇鹏

计算机工程与应用 2024, 60 (5): 130-138. DOI: 10.3778/j.issn.1002-8331.2210-0271

摘要（56）

PDF（pc）（578KB）（43）

意图识别与语义槽填充是口语理解的两个主要任务，两者具有高度相关性，通常进行联合训练。随着口语理解任务的深入，研究发现用户在现实场景中的话语往往含有多个意图。但部分联合模型只能识别用户话语中的单个意图，未能充分建模多个意图和语义槽之间的关联性。考虑到话语中多个意图的信息可以引导语义槽填充，语义槽信息也可以帮助意图更好的识别，模型采用图注意力网络建立意图和语义槽之间的双向交互。具体的，将两个任务双向关联以便模型能够挖掘多个意图与语义槽之间的关系，同时引入两个任务的标签信息使模型能够学习到话语上下文和标签的关系，从而提高意图识别与语义槽填充的准确率，优化口语理解的整体性能。实验表明，模型在MixATIS和MixSNIPS两个多意图数据集上对比其他模型性能得到了显著提升。

参考文献 | 相关文章 | 多维度评价

Select

37. 个性化动态集成的阿尔茨海默症辅助诊断模型

梁浩霖, 潘丹, 曾安, 杨宝瑶, Xiaowei Song

计算机工程与应用 2024, 60 (5): 139-145. DOI: 10.3778/j.issn.1002-8331.2211-0150

摘要（34）

PDF（pc）（728KB）（39）

针对阿尔茨海默症（AD）分类模型大多没有针对输入样本制定特定的策略，导致容易忽略样本间的个性化差异信息的问题，提出个性化动态集成AD分类模型。该模型考虑到输入样本间脑区退化程度的差异性，利用注意力机制评估特定于输入样本的各脑区退化程度，并根据脑区退化程度对脑区特征进行挑选和融合；同时通过重新设计损失函数，解决未被选中脑区无法获得优化梯度的问题，从而提高AD分类性能。实验结果表明，该模型在AD vs.HC（正常组）、MCIc（会向AD转化的轻度认知障碍）vs.HC以及MCIc vs.MCInc（不会向AD转化的轻度认知障碍）中的分类准确率表现分别提升4%、11%以及8%。同时，模型定位到的退化脑区功能与AD临床表现具有高度一致性。

参考文献 | 相关文章 | 多维度评价

Select

38. 提示学习启发的无监督情感风格迁移研究

蔡国永, 李安庆

计算机工程与应用 2024, 60 (5): 146-155. DOI: 10.3778/j.issn.1002-8331.2211-0317

摘要（33）

PDF（pc）（929KB）（44）

文本样式迁移是在保留文本内容信息的同时移植具有某种所需样式属性的文本生成任务。为了提高在非平行样式语料下的迁移质量，提出了一种指导填充掩码模型将句子重写为目标样式的新方法。该方法总体上基于“删除-检索-生成”样式迁移框架，但采用大型无监督预训练语言模型和Transformer架构。根据Transformer的工作机理，改进了从源语句中筛选样式属性的方法，通过提示学习方法挖掘预训练模型的内部知识以实现对目标样式词的生成。在两个情感基准数据集上的实验表明，该方法在文本样式迁移任务上明显优于现有的编辑类方法，综合指标的相对分数平均提高了14%以上。

参考文献 | 相关文章 | 多维度评价

Select

39. 基于量子生成对抗网络的数据重构

江奕达, 王明明

计算机工程与应用 2024, 60 (5): 156-164. DOI: 10.3778/j.issn.1002-8331.2211-0363

摘要（30）

PDF（pc）（1188KB）（31）

使用神经网络实现数据重构是人工智能领域一项十分重要的研究课题。生成对抗网络（generative adversarial network，GAN）作为近年来人工智能的热门算法，在完成数据重构任务中有较好的表现。量子计算作为一种能够加速经典计算的新型计算模式，正不断地与经典人工智能算法相融合。其中，量子生成对抗网络（quantum generative adversarial network，QGAN）在图像相关任务中具有良好的表现，但是量子模型的拟合能力还有待提高。故此，提出了一种基于GAN框架的量子-经典混合生成对抗网络（Q-CGAN）用于实现数据重构任务。该框架利用经典网络的非线性提高拟合效果，利用量子特性提供量子加速。使用MNIST手写数据集对比验证了量子模型和混合模型的重构效果，结果显示，Q-CGAN较纯量子生成器在数据重构过程中具有更好的表现。此外，还研究了混合模型中使用不同量子编码方案和不同参数化量子线路对数据重构效果的影响。

参考文献 | 相关文章 | 多维度评价

Select

40. 利用可信反事实的不平衡数据过采样方法

高峰, 宋媚, 祝义

计算机工程与应用 2024, 60 (5): 165-171. DOI: 10.3778/j.issn.1002-8331.2211-0413

摘要（49）

PDF（pc）（2722KB）（37）

针对传统过采样方法不能充分利用数据集信息的缺陷，提出一种基于反事实（counterfactual，CF）的不平衡数据过采样方法，并进一步对生成的少数类合成样本进行了“可信”清除。其核心思想是依据数据集原有实例特征值合成新样本，相比传统过采样的插值法，更能充分挖掘数据中的边界决策信息，从而为分类器提供更多的有用信息，提高分类性能。在9个来自KEEL与UCI的不平衡数据集、5种不同分类器（SVM、DT、Logistic、RF、AdaBoost）上与4种传统过采样方法（SMOTE、B1-SMOTE、B2-SMOTE、ADASYN）进行了大量对比实验，结果表明，所提方法具有更高的AUC值、F1值和G-mean值，可以更为有效地解决类不平衡问题。

参考文献 | 相关文章 | 多维度评价

栏目文章信息