期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到7篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
从“知识增量”向“知识升质”:以法学研究为例 被引量：4
1
作者 聂长建 李国强 《理论与现代化》 CSSCI 2012年第3期62-69,共8页
"知识增量"作为一个有瑕疵的概念,没有反映出它所要表达的意思的实质,对人们的思维和行动具有误导性,应当正名为"知识升质"。"知识升质"就是研究者对学术材料赋予新的组合形式,从而实现知识在"质&qu... "知识增量"作为一个有瑕疵的概念,没有反映出它所要表达的意思的实质,对人们的思维和行动具有误导性,应当正名为"知识升质"。"知识升质"就是研究者对学术材料赋予新的组合形式,从而实现知识在"质"上的突破和创新。只有学术原创作品才配称得上"知识升质",它在本质上是天赋形式和经验内容的统一。我国法学研究的现状是"增量"胜于"升质",重"数量"而轻"质量"",体积"大而"密度"小,法学研究量多质差,大而不强,肥胖臃肿呈现病态。实现法学研究由"知识增量"向"知识升质"的转变,关键是改变学术评价体系和人才选拔方式。 展开更多
关键词 知识增量 知识升质 正名 学术原创
下载PDF
教育大语言模型的内涵、构建和挑战 被引量：1
2
作者 刘明 吴忠明 +2 位作者 杨箫 郭烁 廖剑 《现代远程教育研究》 CSSCI 北大核心 2024年第5期50-60,共11页
大语言模型作为新一代人工智能的核心技术,为教育领域带来前所未有的机遇。但由于以ChatGPT为代表的通用大语言模型仅能提供通用型反馈,难以与复杂的教育场景、育人方式相匹配,因而亟需构建专用的教育大语言模型。教育大语言模型具有教... 大语言模型作为新一代人工智能的核心技术,为教育领域带来前所未有的机遇。但由于以ChatGPT为代表的通用大语言模型仅能提供通用型反馈,难以与复杂的教育场景、育人方式相匹配,因而亟需构建专用的教育大语言模型。教育大语言模型具有教育知识库的全面性、教学内容生成的安全性、反馈信息的教育价值性、问题解决的个性化、人机交互的多模态性、用户使用的易用性等特点和优势。其构建流程主要包括6个步骤:一是制定教育目标,预设模型构建标准与技术范式;二是选择或设计大语言模型基座,对齐教育任务属性;三是构建教育语料库,实现无序数据的教育价值转向;四是开展模型训练或提示,获得教育任务通用和细粒度知识;五是链接外部教育知识库,灵活扩展模型知识和学生模型;六是评价教育大语言模型,让模型“懂人理”。当前教育大语言模型的应用主要聚焦编程、课后阅读和计算机教育三类教学场景,有助于学生计算思维、提问能力和编程技能等高阶能力和学科基本能力的提升。未来教育大语言模型应由多方合力共建语料库与知识库以统一标准,尝试应用新技术以破解多模态理解缺陷和计算困境,深入探索人机协同教学机制以实现其与高阶教育目标的匹配。 展开更多
关键词 教育大语言模型 生成式人工智能 人工智能教育应用 知识增强
下载PDF
多媒体技术研究:2017——记忆驱动的媒体学习与创意 被引量：3
3
作者 吴飞 韩亚洪 +1 位作者 廖彬兵 于俊清 《中国图象图形学报》 CSCD 北大核心 2018年第11期1617-1634,共18页
目的借鉴大脑的工作机理来发展人工智能是当前人工智能发展的重要方向之一。注意力与记忆在人的认知理解过程中扮演了重要的角色。由于"端到端"深度学习在识别分类等任务中表现了优异性能,因此如何在深度学习模型中引入注意... 目的借鉴大脑的工作机理来发展人工智能是当前人工智能发展的重要方向之一。注意力与记忆在人的认知理解过程中扮演了重要的角色。由于"端到端"深度学习在识别分类等任务中表现了优异性能,因此如何在深度学习模型中引入注意力机制和外在记忆结构,以挖掘数据中感兴趣的信息和有效利用外来信息,是当前人工智能研究的热点。方法本文以记忆和注意力等机制为中心,介绍了这些方面的3个代表性工作,包括神经图灵机、记忆网络和可微分神经计算机。在这个基础上,进一步介绍了利用记忆网络的研究工作,其分别是记忆驱动的自动问答、记忆驱动的电影视频问答和记忆驱动的创意(文本生成图像),并对国内外关于记忆网络的研究进展进行了比较。结果调研结果表明:1)在深度学习模型中引入注意力机制和外在记忆结构,是当前人工智能研究的热点; 2)关于记忆网络的研究越来越多。国内外关于记忆网络的研究正在蓬勃发展,每年发表在机器学习与人工智能相关的各大顶级会议上的论文数量正在逐年攀升; 3)关于记忆网络的研究越来越热。不仅每年发表的论文数量越来越多,且每年的增长趋势并没有放缓,2015年增长了9篇,2016年增长了4篇,2017年增长了9篇,2018年增长了14篇; 4)基于记忆驱动的手段和方法十分通用。记忆网络已成功地运用于自动问答、视觉问答、物体检测、强化学习、文本生成图像等领域。结论数据驱动的机器学习方法已成功运用于自然语言、多媒体、计算机视觉、语音等领域,数据驱动和知识引导将是人工智能未来发展的趋势之一。 展开更多
关键词 多媒体 记忆网络 记忆驱动 知识引导 媒体学习 媒体创意
原文传递
KENAOTE:一种知识增强的方面和意见对提取多任务学习模型 被引量：1
4
作者 李阳 唐积强 +2 位作者 朱俊武 梁明轩 高翔 《计算机应用研究》 CSCD 北大核心 2023年第2期359-364,共6页
方面和意见对提取旨在根据给定句子提取方面和意见项并匹配关系,然而相关研究通常独立提取方面和意见项,而不识别关系。为了识别方面和意见项关系,提出一种知识增强的方面和意见对提取多任务学习模型。首先使用预训练语言模型为文本生... 方面和意见对提取旨在根据给定句子提取方面和意见项并匹配关系,然而相关研究通常独立提取方面和意见项,而不识别关系。为了识别方面和意见项关系,提出一种知识增强的方面和意见对提取多任务学习模型。首先使用预训练语言模型为文本生成具有语义信息的词向量,为了实现知识增强的效果,使用遮蔽注意力的方式将知识图谱的语义信息融入词向量中,然后使用基于距离注意力和条件随机场的序列标注方法提取方面和意见项,最后再将提取的方面和意见项两两匹配预测对应关系。为了加强方面和意见项提取模块和匹配模块的联系,采用共享编码层的方式实现联合训练。在训练流程中,匹配模块采用真实标签作为输入,在测试过程中采用提取模块的结果作为输入。为了证明模型的有效性,使用三个通用领域数据集进行对比实验,该模型在方面和意见项匹配任务中F 1值分别达到66.99%、75.17%和67.30%,并优于其他比较模型。 展开更多
关键词 知识增强 深度学习 方面级情感分析 方面和意见对提取 联合训练
下载PDF
基于知识增强的多视野表征学习辅助诊断方法
5
作者 王好天 李鑫 +3 位作者 关毅 杨洋 李雪 姜京池 《中文信息学报》 CSCD 北大核心 2023年第12期167-176,共10页
针对辅助诊断过程中病人所患疾病不单一,多种疾病之间存在内在关联,及长病历文本特征提取较为困难等问题,该文提出一种基于知识增强的多视野表征学习方法。该方法首先使用Bi-LSTM和注意力网络、医疗知识图融合、预训练模型分别从字符视... 针对辅助诊断过程中病人所患疾病不单一,多种疾病之间存在内在关联,及长病历文本特征提取较为困难等问题,该文提出一种基于知识增强的多视野表征学习方法。该方法首先使用Bi-LSTM和注意力网络、医疗知识图融合、预训练模型分别从字符视野、实体视野、文档视野提取疾病表征,并通过融合多视野信息从长病历文本中准确抽取疾病诊断相关特征。而后建模疾病间内在关联关系,基于图神经网络方法进行知识融合以增强疾病表征,并实现疾病预测。该模型利用多视野表征学习与知识增强方法,提升了疾病预测的性能,通过结果可视化为模型提供了可解释性。在华为云杯评测数据上的实验表明,该方法优于其他基线方法,消融实验验证了该方法各模块的有效性。 展开更多
关键词 知识增强 多视野表征学习 辅助诊断 多标签分类
下载PDF
知识扩充和增量修剪的领域自适应神经机器翻译
6
作者 陈洋 杨春明 +2 位作者 张晖 王意 李波 《中文信息学报》 CSCD 北大核心 2023年第6期96-103,共8页
领域自适应神经机器翻译是解决低资源翻译中领域语料稀少的一种方法。针对目前多模型集成方法中领域知识过拟合、领域适配缺乏自适应的问题,该文提出了一种基于知识扩充和增量修剪的多领域自适应方法(KAIP)。该方法首先利用知识隐藏策... 领域自适应神经机器翻译是解决低资源翻译中领域语料稀少的一种方法。针对目前多模型集成方法中领域知识过拟合、领域适配缺乏自适应的问题,该文提出了一种基于知识扩充和增量修剪的多领域自适应方法(KAIP)。该方法首先利用知识隐藏策略生成目标领域的辅助语料库进行辅助任务学习,实现知识扩充;然后使用模型修剪策略构建通用领域参数,并结合辅助任务学习训练目标领域参数,在无需调整模型参数的情况下适应多个不同领域。在多个语种、多个领域语料上的实验结果表明,模型在单领域和多领域下的翻译质量均有显著提升。 展开更多
关键词 神经机器翻译 知识扩充 模型剪枝 领域自适应
下载PDF
基于扩展知识遗传算法的生产调度研究
7
作者 赵涛 齐二石 《管理工程学报》 CSSCI 1999年第4期9-12,4-3,共6页
本文介绍了用于解决实际生产调度问题的一种改进的遗传算法 ,此方法基于具体问题领域知识的扩展 ,用直接染色体表示生产调度 ,设计并扩展重组算子 ,缩小寻优空间 ,提高效率 。
关键词 生产调度 遗传算法 直接染色体表示 知识扩展
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部