-
题名基于柯西-施瓦茨不等式的知识图谱稠密表示方法
- 1
-
-
作者
林霞
王聪
李敏
李俊华
-
机构
四川师范大学计算机科学学院
四川警察学院计算机科学与技术系
-
出处
《小型微型计算机系统》
CSCD
北大核心
2023年第2期300-306,共7页
-
基金
国家自然科学基金项目(61602331)资助
四川省重点实验室开放课题项目(NDSMS201606)资助
+1 种基金
四川省教育厅重点项目(17ZA0322)资助
四川省教育厅科研项目(17ZB0361)资助.
-
文摘
知识图谱稠密表示将形态各异的知识转化为结构化的实值向量,是当前有效的知识表示方式之一,广泛应用于知识计算和知识推理.在知识图谱稠密表示发展过程中,现有表示方法采用随机梯度下降法优化知识向量,导致知识嵌入精确度低.为此,本文提出了基于柯西-施瓦茨不等式的知识图谱稠密表示方法,将知识嵌入到低维稠密的向量空间.首先借助基于翻译操作的嵌入学习模型,利用势能函数表示实体和关系在向量空间中的距离,然后基于柯西-施瓦茨不等式,以极小化势能函数,最后在低维向量空间中最优化知识图谱的实体和关系向量.在基于数据集FB15k和WN18的对比实验中,度量标准hits@10和hits@1均得到了提升,证明了该方法提高了知识图谱稠密表示的准确性.
-
关键词
知识图谱
稠密表示
翻译操作
势能函数
柯西-施瓦茨不等式
-
Keywords
knowledge graph
densely representation
translating operation
potential energy function
Cauchy-Schwarz inequality
-
分类号
TP399
[自动化与计算机技术—计算机应用技术]
-
-
题名基于稀疏稠密结构表示与在线鲁棒字典学习的视觉跟踪
被引量：7
- 2
-
-
作者
袁广林
薛模根
-
机构
解放军陆军军官学院十一系
解放军陆军军官学院科研部
合肥工业大学计算机与信息学院
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2015年第3期536-542,共7页
-
基金
国家自然科学基金(61175035
61379105)资助课题
-
文摘
L1跟踪对适度的遮挡具有鲁棒性,但是存在速度慢和易产生模型漂移的不足。为了解决上述两个问题,该文首先提出一种基于稀疏稠密结构的鲁棒表示模型。该模型对目标模板系数和小模板系数分别进行L2范数和L1范数正则化增强了对离群模板的鲁棒性。为了提高目标跟踪速度,基于块坐标优化原理,用岭回归和软阈值操作建立了该模型的快速算法。其次,为降低模型漂移的发生,该文提出一种在线鲁棒的字典学习算法用于模板更新。在粒子滤波框架下,用该表示模型和字典学习算法实现了鲁棒快速的跟踪方法。在多个具有挑战性的图像序列上的实验结果表明:与现有跟踪方法相比,所提跟踪方法具有较优的跟踪性能。
-
关键词
视觉跟踪
稀疏表示
稠密表示
字典学习
-
Keywords
Visual tracking
Sparse representation
dense representation
Dictionary learning
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于对抗式数据增强的深度文本检索重排序
被引量：1
- 3
-
-
作者
陈丽萍
任俊超
-
机构
东北大学理学院
-
出处
《计算机系统应用》
2021年第7期204-209,共6页
-
文摘
在信息检索领域的排序任务中,神经网络排序模型已经得到广泛使用.神经网络排序模型对于数据的质量要求极高,但是,信息检索数据集通常含有较多噪音,不能精确得到与查询不相关的文档.为了训练一个高性能的神经网络排序模型,获得高质量的负样本,则至关重要.借鉴现有方法doc2query的思想,本文提出了深度、端到端的模型AQGM,通过学习不匹配查询文档对,生成与文档不相关、原始查询相似的对抗查询,增加了查询的多样性,增强了负样本的质量.本文利用真实样本和AQGM模型生成的样本,训练基于BERT的深度排序模型,实验表明,与基线模型BERT-base对比,本文的方法在MSMARCO和TrecQA数据集上,MRR指标分别提升了0.3%和3.2%.
-
关键词
神经网络排序模型
稠密表征
信息检索
对抗式数据增强
生成模型
-
Keywords
neural network ranking models
dense representation
information retrieval
adversarial data augmentation
generative model
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
