公共文化服务平台

共 8 条记录，以下是 1-8

全选清除导出

排序方式：

教育管理大数据治理与智能服务关键技术及应用: 王时绘曾诚张龑马传香翟培甫余敦辉陈昊朱巍涂家海宋建华何鹏肖奎胡书山杨超田松; 该项目属计算机科学技术领域。湖北省作为国家首批教育信息化建设试点省，在教育管理信息化方面已实施了众多硬软件系统，积累了海量的教育数据资源，数据记录多达800亿条，数据容量高达248TB。如何有序规划系统建设、消除数据壁...; 关键词：; 关键词：软件系统

Visual Studio .NET 2005中RDLC报表初探被引量：3: 2007年; 在研究Visual Studio .NET中RDLC(客户端报表定义语言)的基础上,比较了RDLC报表与传统水晶报表(Crystal Report),介绍了RDLC报表的优势,总结了RDLC在动态数据源的配置、常用函数的使用和聚合函数的应用等方面的经验。; 张龑刘锁; 关键词：VS2005 NET 报表

面向中文基础教育知识图谱的关系抽取模型被引量：2: 2021年; 在构建中文基础教育知识图谱过程中,使用远程监督的方法能够有效解决训练语料匮乏的问题,同时使用神经网络模型能够提升构建过程中关系抽取的准确率.为了缓解远程监督中引入的错误标签带来的影响,模型通过双向门限循环单元(bidirectional gated recurrent unit)获取双向上下文中的语义信息,同时引入句子层注意力机制,动态降低噪声数据的权重.在基于中文信息技术教材教辅和百度百科的基础上构建的知识库上的关系抽取实验表明,引入句子层注意力机制能够促进模型的关系抽取效果,模型的准确率相比于中文主流关系抽取方法提高了4%~5%,能更好地应用于知识图谱的构建.; 单娅辉田迎张龑; 关键词：基础教育知识图谱

基于多标签关系图和局部动态重构学习的多标签分类模型: 2025年; 在多标签分类任务中,现有模型对依赖关系的构建主要考虑标签在训练集中是否共现,而忽视了标签之间各种不同类型的关系以及在不同样本中的动态交互关系。因此,结合多标签关系图和局部动态重构图学习更完整的标签依赖关系。首先,根据标签的全局共现关系,采用数据驱动的方式构建多标签关系图,学习标签之间不同类型的依赖关系;其次,通过标签注意力机制探索文本信息和标签语义的关联性;最后,对标签图进行动态重构学习,以捕获标签之间的局部特定关系。在3个公开数据集BibTeX、Delicious和Reuters-21578上的实验结果表明,所提模型的宏平均F1(maF1)值相较于MrMP(Multi-relation Message Passing)分别提高了1.6、1.0和2.2个百分点,综合性能得到提升。; 胡婕郑启扬孙军张龑

基于回指与逻辑推理的文档级关系抽取模型: 2025年; 在文档级关系抽取(DocRE)任务中,现有模型主要侧重于学习文档中实体间的交互,忽略了对实体内部结构的学习,并很少关注到文档中的代词指代识别问题以及对逻辑规则的应用,这导致模型对文档中实体间关系的建模不够准确。因此,基于Transformer的架构融合关系回指图,建模实体间交互和实体内部结构,从而利用回指将更多上下文信息聚合到相应实体上以提高关系抽取的准确性。此外,采用数据驱动方式从关系注释中挖掘逻辑规则,增强对文本隐含逻辑关系的理解和推理能力。针对样本不平衡问题,引入加权长尾损失函数提高对稀有关系的识别准确性。在2个公开数据集DocRED(Document-level Relation Extraction Dataset)和Re-DocRED(Revisiting Documentlevel Relation Extraction Dataset)上的实验结果表明,所提模型性能表现最优,在DocRED测试集上,基于BERT编码器的模型的IgnF1和F1值比基线模型ATLOP(Adaptive Thresholding and Localized cOniext Pooling)分别提高了1.79和2.09个百分点,可见所提模型的综合性能较高。; 胡婕吴翠孙军张龑; 关键词：逻辑规则

安全技术及其在电子报税系统中的应用被引量：1: 2001年; 介绍了电子商务的几种安全技术,重点论述了电子报税信息系统中安全技术的实际应用。; 魏霞张龑王时绘; 关键词：电子报税系统安全技术 INTERNET 电子商务数字签名

基于全域信息融合和多维关系感知的命名实体识别模型被引量：1: 2025年; 现有的基于双向长短时记忆(BiLSTM)网络的命名实体识别(NER)模型难以全面理解文本的整体语义以及捕捉复杂的实体关系。因此,提出一种基于全域信息融合和多维关系感知的NER模型。首先,通过BERT(Bidirectional Encoder Representations from Transformers)获取输入序列的向量表示,并结合BiLSTM进一步学习输入序列的上下文信息。其次,提出由梯度稳定层和特征融合模块组成的全域信息融合机制:前者使模型保持稳定的梯度传播并更新优化输入序列的表示,后者则融合BiLSTM的前后向表示获取更全面的特征表示。接着,构建多维关系感知结构学习不同子空间单词的关联性,以捕获文档中复杂的实体关系。此外,使用自适应焦点损失函数动态调整不同类别实体的权重,提高模型对少数类实体的识别性能。最后,在7个公开数据集上将所提模型和11个基线模型进行对比,实验结果表明所提模型的F1值均优于对比模型,可见该模型的综合性较优。; 胡婕武帅星曹芝兰张龑; 关键词：命名实体识别

基于池化和特征组合增强BERT的答案选择模型被引量：2: 2023年; 当前主流模型无法充分地表示问答对的语义,未充分考虑问答对主题信息间的联系并且激活函数存在软饱和的问题,而这些会影响模型的整体性能。针对这些问题,提出了一种基于池化和特征组合增强BERT的答案选择模型。首先,在预训练模型BERT的基础上增加对抗样本并引入池化操作来表示问答对的语义;其次,引入主题信息特征组合来加强问答对主题信息间的联系;最后,改进隐藏层的激活函数,并用拼接向量通过隐藏层和分类器完成答案选择任务。在SemEval-2016CQA和SemEval-2017CQA数据集上进行的验证结果表明,所提模型与tBERT模型相比,准确率分别提高了3.1个百分点和2.2个百分点;F1值分别提高了2.0个百分点和3.1个百分点。可见,所提模型在答案选择任务上的综合效果得到了有效提升,准确率和F1值均优于对比模型。; 胡婕胡婕张龑; 关键词：激活函数

全选清除导出

共1页<1>

张龑