公共文化服务平台

左祥麟: 作品数：26 被引量：18H指数：3; 供职机构：吉林大学更多>>; 发文基金：国家自然科学基金吉林省自然科学基金吉林省重大科技攻关项目更多>>; 相关领域：自动化与计算机技术医药卫生文化科学更多>>

合作作者

基于MYCIN方法的用户信任关系判别: 用户可信性是网络不实信息判别的重要依据,自Web2.0出现以来引起社会广泛关注.提出了基于MYCIN推理的新颖信任关系判别方法,该方法综合利用了现有的信任关系以及用户之间的评分关系,以用户对另一用户的评分记录为证据,基于...; 左祥麟姚远王泊王俊华左万利; 关键词：社会网络用户管理信任关系专家咨询系统

一种融合异质信息网络的可解释推荐系统方法: 本发明涉及一种融合异质信息网络的可解释推荐系统方法，特别涉及一种基于元路径和深度神经网络方法的的离线推荐系统方法。该方法应用元路径在异质信息网络上提取辅助信息生成的相似度矩阵作为补充信息。应用矩阵分解方法对相似度矩阵进行...; 王英贾天浩王鑫左万利杨伟英左祥麟; 文献传递

基于多核环境的并行性双向枚举连接: 2014年; 基于多核处理器,结合自底向上和自顶向下两种算法,提出一种图遍历驱动的双向优化算法,该算法充分利用两种遍历算法的优点,并发挥多核环境的优势,实现了最优查询计划的高性能并行构建,解决了并行双向枚举连接问题.实验结果表明,该算法的性能优于已有算法,可明显提高数据库查询速度.; 陈永恒左祥麟; 关键词：多核查询优化动态规划

基于BERT-GCN的因果关系抽取被引量：2: 2023年; 针对自然语言处理中传统因果关系抽取主要用基于模式匹配的方法或机器学习算法进行抽取,结果准确率较低,且只能抽取带有因果提示词的显性因果关系问题,提出一种使用大规模的预训练模型结合图卷积神经网络的算法BERT-GCN.首先,使用BERT(bidirectional encoder representation from transformers)对语料进行编码,生成词向量;然后,将生成的词向量放入图卷积神经网络中进行训练;最后,放入Softmax层中完成对因果关系的抽取.实验结果表明,该模型在数据集SEDR-CE上获得了较好的结果,且针对隐式的因果关系效果也较好.; 李岳泽左祥麟左万利梁世宁张一嘉朱媛; 关键词：自然语言处理

一种基于时间关系对文本包含的因果关系进行抽取的方法: 本发明公开了一种基于时间关系对文本包含的因果关系进行抽取的方法，包括：构建基于时间关系的Bi‑LSTM+GCN网络模型；将待输入的文本中的单词输入到Bi‑LSTM网络获得文本中单词的特征；将文本中单词的时间关系转化成时间...; 郑余祥左祥麟史振坤张一嘉梁世宁左万利

基于证据理论的单词语义相似度度量被引量：4: 2015年; 单词语义相似度度量一直是自然语言处理领域的经典和热点问题,其成果可对词义消歧、机器翻译、本体映射、计算语言学等应用具有重要影响.本文通过结合证据理论和知识库,提出一个新颖的度量单词语义相似度度量途径.首先,借助通用本体Word Net获取证据;其次,利用散点图分析证据的合理性;然后,使用统计和分段线性插值生成基本信任分配函数;最后,结合证据冲突处理、重要度分配和D-S合成规则实现信息融合获得全局基本信任分配函数,并在此基础上量化单词语义相似度.在数据集R&G(65)上,对比本文算法评判结果与人类评判结果的相关度,采用5折交叉验证对算法进行分析,相关度达到0.912,比当前最优方法 P&S高出0.4个百分点,比经典算法re LHS、dist JC、sim LC、sim L和sim R高出7%～13%;在数据集M&C(30)和Word Sim353上也取得了比较好的实验结果,相关度分别为0.915和0.941;且算法的运行效率和经典算法相当.实验结果显示使用证据理论解决单词语义相似度问题是合理有效的.; 王俊华左祥麟左万利; 关键词：词计算统计学习证据理论

一种针对医院重症监护室患者疾病诊断与病情状态评估建模方法: 本发明公开了一种针对医院重症监护室患者疾病诊断与病情状态评估建模方法，该方法通过利用医疗临床数据具体为测量数据与给药数据，将疾病诊断与死亡风险评估进行统一建模。该模型是一个多任务学习模型，将每一种疾病看作是模型的一个子任...; 史振坤左祥麟张一嘉梁世宁左万利; 文献传递

利用模糊理论对欺诈网页识别的方法: 本发明公开一种利用模糊理论对欺诈网页进行识别的方法，涉及一种不依赖网页特征的欺诈网页识别技术，利用分工协作的思维和模糊理论来解决欺诈网页识别问题，由不同的用户来决定网页的质量，由计算机来分析用户作出标记后的数据集，以解决...; 尚靖博左祥麟左万利王英

一种基于内容感知的社交影响力预测模型及预测方法: 本发明公开了一种基于内容感知的社交影响力预测模型及预测方法，涉及社交网络分析领域，包括：使用图卷积网络对网络节点进行特征表示，使用长短期记忆网络(LSTM)对每个节点对应的社交媒体内容进行表示，使用结合社交媒体内容的RN...; 黄晶杨博段明月左祥麟; 文献传递

基于时间关系的Bi-LSTM+GCN因果关系抽取被引量：8: 2021年; 针对传统时间关系只应用在机器学习方向关系抽取的问题,提出一种基于序列标注实体识别的关系抽取方法.先构建双向长短期记忆网络(Bi-LSTM)模型进行特征提取,再输入时间关系作为特征矩阵进行图卷积.实验结果表明:时间关系能提高因果关系抽取效果,并且包含时间关系的Bi-LSTM+GCN模型能有效抽取因果事件;带有时间关系的Bi-LSTM+GCN模型获得因果关系的抽取结果优于传统方法因果关系的抽取结果.; 郑余祥左祥麟左万利梁世宁王英