刘臣
- 作品数：61 被引量：313H指数：10
- 供职机构：上海理工大学管理学院更多>>
- 发文基金：国家自然科学基金教育部人文社会科学研究基金国家教育部博士点基金更多>>
- 相关领域：自动化与计算机技术经济管理文化科学社会学更多>>
- 在线数字内容传播过程中社会影响作用的度量研究
- 2017年
- 社会影响在数字内容的扩散中起着重要作用,从社会认知角度来看,认为社会影响源于个体对数字内容的认知不确定性,且不确定性越大社会影响的作用越强。在社会化媒体中,用户的评分是衡量扩散内容质量的重要工具,本文利用全体用户对内容评分的分散程度来代替个体的认知不确定性,衡量分散程度用变异系数指标。对Movielens数据集进行分析,结果表明,用户认知不确定性在扩散过程中有明显作用。在电影数据中,男性社会影响高于女性,中年人群的社会影响高于其他年龄段,农民的易感性高于其他职业。
- 刘臣安咏雪韩林
- 关键词：易感性
- 基于贪婪取走启发式算法的应急物资储备库选址研究
- 2021年
- 新冠肺炎疫情下,为保证封锁地区居民的物资供应,建立合理的应急物资储备库具有重要的现实意义。本文考虑3种成本因素,以系统总成本最小为目标,构建具有容量限制和时间窗约束的选址模型,并利用贪婪取走启发式算法求解。通过湖北黄冈市实际数据进行案例仿真实验,验证了模型和算法的有效性。
- 严梦凡刘臣纪颖
- 关键词：应急物资储备库
- 基于模糊PA算法的微博信息传播分享预测研究被引量：2
- 2014年
- 微博已经成为网民信息获取、分享的主要平台之一。对信息分享进行预测,是对微博信息传播进行监管控制的基础。微博用户和信息属性中包含着用户偏好、生理特征、内容类型等数据,基于这些数据可进行信息分享预测。分析了微博信息传播模式、分享预测理论方法,基于PA算法提出了信息分享预测模型,以新浪微博数据为例验证了预测模型。结果表明,该模型对信息分享具有较高的预测准确率。
- 田占伟刘臣王磊隋玚
- 关键词：信息分享
- 融合情感符号的自注意力BLSTM情感分析被引量：3
- 2020年
- 利用深度学习方法进行情感分析时,将文本作为一个整体进行编码,缺乏对表情符号与情感词的有效关注。而传统基于词典的方法则过分依赖于情感词典与判断规则的质量,不能充分考虑文本深层语义关系。针对该问题,构建融合表情符号与情感词的自注意力模型。通过BLSTM训练得到情感符号,并与文本特征向量融合,同时引入结构化自注意力机制识别文本中不同情感符号的情感信息。在NLPCC2014和微博公开语料数据集上的实验表明,相较传统情感分析方法,该模型可有效提高情感分类准确率。
- 刘臣方结郝宇辰
- 关键词：情感分析情感符号
- 加权有向网络中心节点识别的分解算法研究被引量：2
- 2019年
- 目前复杂网络节点重要性识别算法主要集中在无权、无向网络上不能全面地描述真实世界复杂网络的情况。大部分中心性度量方法仅仅考虑单一指标,忽略了节点出度与入度的差异,且忽视了权重的重要性。基于有向加权复杂网络,综合考虑节点出度与入度的差异,以及权值在真实网络中的实际重要性,提出了一种基于出度、入度和权值的中心节点识别算法——cw-壳分解算法。为了验证该算法的有效性,利用W-SIR传播模型在真实复杂网络上进行病毒传播仿真实验,结果表明cw-壳分解方法能够有效地对节点进行分级排序,识别出具有高扩散能力的节点。
- 刘臣李丹丹韩林安咏雪
- 多声学特征融合的语音自动剪辑深度学习模型
- 2023年
- 剪辑是音视频制作中的重要环节,剪辑师需综合考虑剪辑节奏、关联性等要素,耗费大量人力和时间.从剪辑特性和实际应用出发,本文提出了一种多声学特征融合的语音自动剪辑深度学习模型(CNN-BiGRU),它可以识别媒体中的语音部分并进行艺术化的自动剪辑.模型提取了对数梅尔频谱、短时能量和短时过零率3种特征,通过多个卷积神经网络融合后输入双向门控循环神经网络.采用基于课程式学习的方式,使用先大后小的数据形式将模型训练至最佳.实验结果表明相较于传统机器学习剪辑模型,本模型能更有效地结合整体与局部的信息进行剪辑,且具有更强的鲁棒性.模型在CHiME-5测试集上的准确率高达98.36%,与人工剪辑结果十分接近且大幅缩短剪辑耗时.
- 刘臣倪仁倢周立欣侯昌佑
- 关键词：卷积神经网络
- 国内外机场信息系统集成问题探讨
- 2012年
- 随着信息技术的发展，机场越来越重视其信息化建设。机场信息集成系统作为机场营运的中心环节，必须能够实现与众多内、外部系统的高效、无缝连接与信息交互。本文通过对国内外机场的信息系统集成进行分析与研究，提出了机场在集成中应注意的问题和可以采用的相关技术。
- 刘毅李雪凌昌荣樊重俊刘臣
- 关键词：信息集成系统信息共享
- 高维数据多标签分类的食品安全预警研究被引量：3
- 2020年
- 随着大数据、互联网等新兴科技的飞速发展,人们生活逐步向数字化、信息化迈进,高维图像数据、高维文本数据等各类复杂数据不断涌现。高维数据具有包含信息量大、易出现信息冗余的特征,给文本分类带来阻碍。为此,提出一种基于长短期记忆神经网络(LSTM)的高维数据多标签分类方法。该方法从数据降维的角度出发,利用最大依赖性降维方法(MDDM),将高维数据降为低维数据,提高有效信息占比、减少信息冗余。将降维后的低维数据作为长短期记忆神经网络的输入,利用softmax函数对神经网络的输出进行多标签分类。在食品稽查数据上进行的安全预警实验验证了该方法的可行性,最终分类准确率达到86.5%,比未降维的数据分类准确率提高36.5%。实验还对比了不同神经网络模型在该数据集上的分类性能,结果表明使用LSTM神经网络进行分类结果较好。良好的分类结果表明该方法在食品稽查数据集上特征提取的准确性,食品安全稽查部门可对具有该违法特征的食品生产企业进行监督管理,从而避免食品安全问题的发生,以达到食品安全预警的目的。
- 甄俊涛刘臣
- 关键词：高维数据数据降维
- 基于深度主动学习的科研合作网络中节点排序研究
- 2024年
- 节点排序任务在社交网络与科研合作等领域的应用愈加广泛,准确评估网络节点重要性的课题备受关注。然而,合作网络通常存在大量噪声、不完整信息以及动态变化,传统节点排序方法往往难以取得令人满意的结果。为此,提出一种基于深度主动学习的方法进行科研合作网络中节点的排序。该方法结合深度学习的优势以及主动学习的查询策略,能够在数据标签稀缺和噪声干扰较大的情况下自适应地根据网络中节点的重要性进行排序。具体而言,首先利用深度学习模型从节点的多模态特征中进行表示学习,将节点表示与其重要性相结合,形成一个综合排序指标;然后通过主动学习方法选择对排序结果具有较大影响的节点进行标注,从而逐步优化排序模型。在真实的科研合作网络数据集上进行验证实验,发现与传统排序方法相比,基于深度主动学习的方法在节点排序准确性和稳定性方面有显著提升。
- 刘臣宋雪
- 关键词：科研合作网络置信度
- 基于线性链条件随机场的用户生成文本标点标注
- 2019年
- 标点符号的正确性对于用户生成文本的词性标注,命名实体识别,依存句法分析等有着重要的作用,正确的标点标注可以使用户生成文本的语法结构准确完整。线性链条件随机场模型可以容纳任意的非独立的特征信息,本文通过选取标点符号所在位置左右词性对作为模型的观测序列,使用条件随机场进行标点符号的标注。实验的测试语料采用京东在线产品评论,结果表明基于线性链条件随机场的用户生成文本标点标注效率较高。
- 苏晓宝刘臣唐莉
- 关键词：词性
