1731.
1732.
实体关系抽取任务旨在从非结构化文本中识别实体对及其相互关系,是众多自然语言处理下游任务应用的基础。随着大数据和深度学习技术的发展,实体关系抽取的研究取得了显著进展。近年来,将大语言模型应用于实体关系抽取任务已成为新的研究趋势。大语言模型具备自动特征提取和强大的泛化能力,能够显著提… … 相似文献
夏江镧;李艳玲;葛凤培 《计算机科学与探索》2025,(7):1681-1698
1733.
序列推荐的核心在于从用户的交互序列中挖掘其偏好和行为模式.现有研究已经认识到单一模态交互数据存在不足,因此借助大量多模态数据(如商品评价、主页图片等)来丰富交互信息,提升推荐系统的性能.然而,这些多模态数据中常常夹杂着不可避免的噪声,可能会限制用户个性化偏好的探索.尽管可以通过抑… … 相似文献
闫萌;徐偲;黄海槟;赵伟;管子玉 《计算机研究与发展》2025,62(7):1611-1621
1734.
用于显著性目标检测的HDFNet模型在其编码阶段和解码阶段均缺乏有效的特征信息表示能力,分别由于其编码阶段仅把RGB特征和Depth特征进行简单相加,且解码阶段在多次上采样中缺乏有效监督,从而导致检测精度有待进一步提升.本文提出了一种新的RGB-D显著性目标检测模型HDF+.首先… … 相似文献
吴映霓;闫河;姜彬;蔡朝安 《小型微型计算机系统》2025,46(7):1645-1651
1735.
图神经网络依托强大的计算能力在文本分类、节点分类和自然语言处理等领域取得了显著成果,其主要用于处理包含成对关系的图结构数据。然而,现实世界中的网络之间往往存在高阶交互关系,若使用图结构表示这种复杂关系,可能会丢失节点间的重要信息。最近,单纯形被证明不仅可以编码节点间的成对关系,还… … 相似文献
唐春阳;冶忠林;白立冰;赵海兴 《计算机学报》2025,(7):1617-1638
1736.
输电线路的智能巡检视觉任务对电力系统的安全稳定至关重要。尽管深度学习网络在分布一致的训练和测试数据集上表现良好,但实际应用中数据分布的偏差常常会降低模型性能。为了解决这一问题,提出一种基于对比学习的训练方法（TMCL）,旨在增强模型鲁棒性。首先,构建专为输电线路场景设计的基准测试… … 相似文献
王震洲;郭方方;宿景芳;苏鹤;王建超 《计算机应用》2025,45(7):2361-2368
1737.
针对现有的多视角行人检测算法中因目标遮挡严重以及未关注多视角之间关系而导致的错检和漏检等问题,提出一种基于MVDeTr(MultiView Detection with shadow Transformer)算法改进的多视角行人检测算法。首先,在特征提取阶段,设计一个视角特征增强… … 相似文献
刘皓宇;孔鹏伟;王耀力;常青 《计算机应用》2025,(7):2325-2332
1738.
在输电线路巡检任务中,采用深度学习技术实现施工机械运动的有效跟踪对智能电网建设至关重要。针对目标间遮挡干扰以及误检漏检造成的多目标跟踪性能显著下降的问题,提出一种改进YOLOv5s与优化ByteTrack相结合的多目标跟踪算法。在目标检测部分：首先,采用轻量级的Ghost卷积和S… … 相似文献
于平平;闫玉婷;唐心亮;苏鹤;王建超 《计算机应用》2025,(7):2351-2360
1739.
为提高云环境下密文域可逆信息隐藏算法的嵌入率和安全性,将密文策略属性基加密和密文域可逆信息隐藏有机结合,提出一种基于细粒度访问控制的密文域可逆信息隐藏算法。首先,根据预测误差范围对像素进行分类,利用参数二叉树对不同类别的像素进行标记;其次,基于密文策略属性基加密算法对图像加密密钥… … 相似文献
张敏情;彭深;姜超;狄富强;董钰峰 《通信学报》2025,46(7):119-131
1740.
本文针对船舶制造过程中由于任务量增加,服务器之间共同对任务处理时计算资源无法满足任务处理需要和任务处理过程效率低的问题,提出了一种多服务器协同的物联网任务处理方法.该方法首先建立了雾计算系统下任务卸载模型,对任务卸载过程中影响任务处理相关因素和问题进行分析.通过分析任务处理过程中… … 相似文献
马跃;鞠成恩;王广义;尹震宇;张飞青;毕志颖 《小型微型计算机系统》2025,46(7):1745-1751
关于我们 |
广告服务 |
商务洽谈 |
联系我们 |
免责条款 |
隐私声明 |
网站导航
网站版权所有：中国科学院软件研究所 京ICP备09084417号-9
地址：北京海淀区中关村南四大街4号 邮编：100190 电话：010-62562563 E-mail ： cj_mail@jscas.ac.cn
本系统由:北京勤云科技发展有限公司提供技术支持
网站版权所有：中国科学院软件研究所 京ICP备09084417号-9
地址：北京海淀区中关村南四大街4号 邮编：100190 电话：010-62562563 E-mail ： cj_mail@jscas.ac.cn
本系统由:北京勤云科技发展有限公司提供技术支持
