公共文化服务平台

靳婷: 作品数：15 被引量：31H指数：3; 供职机构：海南大学更多>>; 发文基金：海南省自然科学基金国家自然科学基金海南省教育厅高等学校科学研究项目更多>>; 相关领域：自动化与计算机技术文化科学更多>>

合作作者

基于Web挖掘的多路径分割聚类算法的研究: 杨厚群邱钊靳婷雷景生; 该项目是海南省自然科学基金项目，项目号为807020。该项目提出了基于Web访问信息挖掘的路径划分模糊聚类算法，实现个性化推荐。算法利用了路径聚类方法聚类具有顺序访问特性的浏览路径，通过关联规则发现方法得到每一个用户分类...; 关键词：; 关键词：WEB挖掘

基于上下文与面向社会媒体的信息推荐方法研究: 随着互联网技术的发展，人们使用网络的方式发生了显著的变化。由互联网用户自身行为产生的数据量呈现爆炸性的增长。面对如此庞大的资源，使得想要为用户准确、快速地找到感兴趣的内容变得越来越有挑战性。传统的搜索引擎Yahoo!()...; 靳婷; 关键词：推荐系统上下文信息社会媒体搜索性能

基于语义增强的多模态情感分析: 2023年; 多模态情感分析是自然语言处理领域的重要任务,模态融合是其核心问题。以往的研究没有区分各个模态在情感分析中的主次地位,没有考虑到不同模态之间的质量和性能差距,平等地对待各个模态。现有研究表明文本模态往往在情感分析中占据主导地位,但非文本模态包含识别正确情感必不可少的关键特征信息。因此,本文提出一种以文本模态为中心的模态融合策略,通过带有注意力机制的编解码器网络区分不同模态之间的共有语义和私有语义,利用非文本模态相对于文本模态的2种语义增强补充文本特征,实现多模态的联合鲁棒表示,并最终实现情感预测。在CMU-MOSI和CMU-MOSEI视频情感分析数据集上的实验显示,本方法的准确率分别达到87.3%和86.2%,优于许多现有的先进方法。; 郭嘉梁靳婷; 关键词：情感分析

多种推荐模式的电子商务推荐系统研究: 邱钊杨厚群黄俊钟声陈静符发靳婷; 该课题在总结各种主流推荐算法的优缺点基础上，提出基于用户身份的多种推荐模式的电子商务推荐系统框架模型，并详细描述了各种组成模块的内容及功能，以及系统的工作流程。基于该框架模型，提出以“有无注册”、“有无浏览历史记录”和“...; 关键词：; 关键词：电子商务推荐系统

基于改进蚁群算法求解连续空间寻优问题被引量：11: 2013年; 蚁群算法是近几年优化领域中出现的一种启发式仿生类并行智能进化算法,并在离散空间领域中得到广泛应用,但在求解连续空间优化问题方面的研究相对较少。为了克服蚁群算法在连续空间中搜索时间过长等缺点,在原有的连续空间寻优方法的基础上,提出了一种用于求解连续空间寻优问题的改进蚁群算法。针对各子区间内的总信息量及应有的蚁数的求解方式进行改进,引入一个随迭代次数增加而变化的函数,以提高改进后蚁群算法的收敛速度。仿真实验表明,提出的基于信息量分布函数的改进蚁群算法较有关文献的算法有更好的收敛性能,从而为蚁群算法求解这类问题提供了一种可行有效的新方法。; 黄敏靳婷钟声马玉春; 关键词：蚁群算法

一种基于CWAM的非对称GM多模态融合显著性检测方法及系统: 本发明公开了一种基于CWAM的非对称GM多模态融合显著性检测方法及系统，包括，采集图像数据进行预处理，形成样本数据集；基于深度学习策略构建卷积神经网络模型，输入样本数据集进行训练，获得显著性检测图；将训练完成的显著性检测...; 靳婷张欣悦; 文献传递

基于用户行为特征的深度混合推荐算法: 2024年; 现有大多数推荐方法学习的是每个特征的固定表示,然而用户行为偏好随上下文特征发生变化,特征在上下文中具有不同的重要性,因此,特征的固定表示造成模型给出的推荐结果不准确。为解决此问题,本文提出基于深度因式分解机并融合信息提取单元和交叉网络结构的混合推荐模型(deep and cross factorization machine information extraction unit,IEU-DeepCFM)。首先,自注意力机制和上下文信息提取器组成的信息提取单元模块对不同上下文中的每个特征学习上下文感知特征表示;然后,利用深度交叉因式分解机在提取用户低、高阶特征的同时来挖掘用户更多的显式交叉信息;最终实现对用户行为特征的点击率预测。在MovieLens电影数据集和Avazu广告点击率数据集上进行消融和对比实验,结果表明,本文所提出的模型在AUC和LogLoss指标上均得到提高和改善,证明了该模型的合理性。; 杜帅文靳婷

基于数据增强的多层次论点立场分类方法: 2023年; 本文旨在研究论点抽取技术,该技术的目的在于识别、抽取和分析文本信息中的论辩成分与结构。通过从若干句子中提取与辩题相关的论点,并判断该论点的立场为支持或反对,来完成对论辩事实文本的智能分析。以往的研究主要基于卷积神经网络和循环神经网络等深度学习模型,网络结构简单,无法从论辩中学习到更深层次的特征。为学习到论辩文本中更丰富的语义信息来对论辩立场进行分类,本文提出一种增强的RoBERTa模型EnhRoBERTa。该模型以预训练语言模型RoBERTa为基础,充分利用多层次的多头注意力机制,并且提取浅层和深层语义表示进行融合,从多个特征维度进一步理解论点和辩题之间的关系,完成对论点的立场分类。然而,考虑到论点对立场的分布不均衡问题,本文采用数据增强技术,增强对少样本的学习能力。在CCAC2022比赛数据集上的实验结果表明:本文模型相较于基线模型可以提取到更丰富的文本特征,取得61.4%的F1-score,比未使用预训练的基线模型TextCNN和BiLSTM提高约19个百分点,比RoBERTa提高3.8个百分点。; 林玩聪韩明杰靳婷

基于注意力机制的图像分类降维方法被引量：12: 2021年; 卷积算子是卷积神经网络的核心构造块,它根据一定的感受视野,融合卷积神经网络各层与不同通道之间的信息,提取出原始图像特征。然而图像中的相邻像素往往具有相似的值,导致卷积层的输出包含大量冗余信息。为了减少冗余信息,加快模型推理速度,神经网络中会加入池化层进行信息降维。对比传统降维方法,池化本身具有平移和旋转不变性,对图像特征的降维效果更好,并能维持模型是端到端的。利用这样的特性,本文提出一种基于注意力机制的降维方法。在特征提取过程中非线性地复用神经网络各层降维后的特征信息,使网络能学习到它们之间的潜在联系,另外,在降维时优先关注图像中目标的主要纹理,并结合该目标的弱纹理信息进行融合,能得到降维后的特征信息。基于DLA-34(deep layer aggregation)神经网络,将本文提出的降维方法与基于最大值、基于均值等池化方法在CIFAR10与CIFAR100数据集上设计多组对比实验,证明该方法的有效性。; 邓文轩杨航靳婷; 关键词：图像分类卷积神经网络

一种基于CWAM的非对称GM多模态融合显著性检测方法及系统: 本发明公开了一种基于CWAM的非对称GM多模态融合显著性检测方法及系统，包括，采集图像数据进行预处理，形成样本数据集；基于深度学习策略构建卷积神经网络模型，输入样本数据集进行训练，获得显著性检测图；将训练完成的显著性检测...; 靳婷张欣悦

靳婷

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

靳婷

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈