姚迅
- 作品数：14 被引量：14H指数：2
- 供职机构：武汉纺织大学更多>>
- 发文基金：国家自然科学基金湖北省教育厅重点项目更多>>
- 相关领域：自动化与计算机技术轻工技术与工程更多>>
- 基于脑电信号的自监督情绪识别模型的预训练方法及装置
- 本申请提供了一种基于脑电信号的自监督情绪识别模型的预训练方法及装置，具体实现方案为：将原始脑电信号向量输入至初始自监督情绪识别模型，获取模型预测掩码；根据模型预测掩码及基于聚类算法获取的情绪状态伪标签计算训练损失值；参考...
- 胡新荣陈宇罗瑞奇彭涛刘军平吴渊程君严金林许进丁磊姚迅
- 阅读理解中多项选择的三重匹配与对比正则算法被引量：1
- 2024年
- 多项选择由文章、问题和选项三部分组成,主要任务是根据文章和问题在多个选项中找出正确选项。已有一些算法对文章、问题和选项之间的匹配策略进行了一定程度的研究,但一般使用成对处理或双向匹配方法,无法充分融合文章、问题和选项。为此,提出一种三重匹配策略(TM),使用对比正则(CR)方法对答案进行区分处理,将文章、问题和答案三者中任意一个元素与其它元素进行匹配,以吸收其他两者的语义信息。实验表明,通过CR捕捉并强化正确答案和错误答案之间的差异,能让模型更好地识别正确与错误答案,以期为该领域的研究人员提供参考与借鉴。
- 马俊龙姚迅杨捷
- 关键词：注意力
- 基于样本选择的自学习去噪鲁棒模型
- 2024年
- 隐式反馈数据能有效缓解推荐系统训练数据稀疏的问题,但它很难反馈真实的用户-项目偏好,导致数据中会包含较多噪声数据,从而影响推荐模型的性能。近年提出的一些去噪方法在一定程度上增强了推荐模型的鲁棒性,但这些方法基本都从数据的特性着手,通过获取额外辅助数据达到去噪的目的,然而辅助数据的获取困难,且难以泛化。因此,从推荐模型出发,提出一种基于样本选择的自学习依赖值评估器鲁棒模型对隐式反馈数据去噪。该鲁棒模型利用推荐模型性能对隐式反馈数据的依赖性,通过一种辅助梯度策略算法实现依赖值评估器的自主更新,可有效筛选依赖样本,并利用依赖样本训练推荐模型达到提升推荐性能的目的。在3个具有代表性的隐式反馈数据集和4种推荐模型上进行大量实验。实验结果表明,使用常见的归一化折损累计增益(NDCG@K)评估得分衡量推荐性能,在泛用的隐式反馈数据集Adressa、Amazon-book和Yelp上,与含噪声训练相比,所提鲁棒模型能分别提升NeuMF(Neural Matrix Factorization)推荐模型性能0.15、0.78和0.35个百分点;分别提升GMF(Generalized Matrix Factorization)推荐模型性能1.53、0.93和0.46个百分点。在相同实验评估下,使用数据集Adressa和Yelp,该鲁棒模型分别提升CDAE(Collaborative Denoising Auto-Encoders)推荐模型性能1.58和0.34个百分点;分别提升LightGCN(Light Graph Convolutional Network)推荐模型性能1.82和0.15个百分点。
- 王魁姚迅杨捷
- 关键词：推荐系统自学习鲁棒性隐式反馈去噪
- 基于图卷积网络的掩码数据增强
- 2024年
- 针对多项选择问答(MCQA)领域中原始数据信息不准确、样本质量低以及模型泛化能力差等问题,提出一种基于图卷积网络(GCN)的掩码数据增强模型GMDA(Graph convolution network-based MASK Data Augmentation)。该模型以GCN作为基础框架,首先将文章中的单词抽象为图节点,并利用问题-候选答案(QA)对节点进行连接,建立与相关的文章节点之间的联系;其次,计算节点之间的相似性,并应用掩码技术对图中的节点进行掩盖,从而生成增强样本;再次,利用GCN对增强样本进行特征扩充,以提升模型的信息表达能力;最后,引入打分器对原始样本和增强样本进行评分,并结合课程学习策略提高答案预测的准确性。综合评估实验结果表明:与RACE-M、RACE-H数据集上的最优基线模型EAM相比,所提模型GMDA的准确率分别平均提高了0.8、0.4个百分点,而与DREAM数据集上的最优基线模型STM(SelfTraining Method)相比,GMDA模型的准确率平均提高了1.4个百分点。此外,对比实验的结果也验证了GMDA模型在MCQA任务中的有效性,可为数据增强技术在该领域的进一步研究和应用提供帮助。
- 胡新荣陈静雪黄子键王帮超姚迅刘军平朱强杨捷
- 关键词：课程学习
- 一种输入中包含错误信息场景下的文档检索方法
- 本发明公开了一种输入中包含错误信息场景下的文档检索方法，包括：步骤1，对原始的查询文本进行攻击，生成一个包含错误信息的查询文本，以扩充数据集；步骤2，对生成的包含错误信息的查询文本进行预处理，检测其文本单词个数，并在其文...
- 刘军平龚明康郭沛然胡新荣姚迅杨捷
- 基于知识图谱的零样本文档检索伪查询生成
- 2024年
- 为提高文档检索模型性能,减轻手工标记训练数据的工作量,提出一种基于知识图谱的零样本文档检索伪查询生成方法KGQG。该方法利用知识图谱增强伪查询,将外部信息与伪查询相结合,以生成更丰富、更具信息量的伪查询。实验结果表明,在BEIR基准测试的12个公开数据集中,KGQG方法比经典的稀疏检索模型、稠密检索模型以及最新的基于外部知识扩展的零样本稠密检索模型在归一化折现累计效益(NDCG)指标方面分别提升了4.6、11.88、7.96个百分点。KGQG方法不仅能提高检索性能,而且减少了手动标记训练数据需求,为文档检索模型的未来研究与应用提供了有益参考。
- 刘军平孙医贵朱强胡新荣彭涛彭涛王帮超
- 关键词：信息检索查询扩展知识图谱自然语言处理
- 基于改进RefineDet的织物疵点检测被引量：1
- 2022年
- 为了实现织物疵点的自动检测与分类,提出了一种基于改进RefineDet的疵点检测方法。首先,将VGG16改为全卷积网络对织物图像特征进行提取;其次,为了获取疵点重要的特征并抑制不必要的特征,在Anchor细化模块(Anchor refinement module,ARM)中加入了注意力机制;为了提高网络的分类性能,在传输连接块(Transfer connection block,TCB)中加入了SE模块(Squeeze and excitation,SE);最后,目标检测模块(Object detection module,ODM)将检测的结果回归到准确的目标位置,并预测疵点的类别,对疵点进行定位。结果表明:本文算法对孔、污渍、纱疵和线状4种类别织物图像的均值平均精度mAP达到了79.7%,比传统RefineDet检测方法均值平均精度提高了5.0%,具有良好的分类和定位效果。
- 阮梦玉李敏何儒汉姚迅
- 关键词：疵点检测
- 生成式标签对抗的文本分类模型被引量：1
- 2024年
- 文本分类是自然语言处理(NLP)中的一项基础任务,目的是将文本数据分配至预先定义的类别。图卷积神经网络(GCN)与大规模的预训练模型BERT(Bidirectional Encoder Representations from Transformer)的结合在文本分类任务中取得了良好的效果。大规模异构图中GCN的无向的信息传递产生信息噪声影响模型的判断,造成模型分类能力下降,针对这一问题,提出一种生成式标签对抗模型,即类对抗图卷积网络(CAGCN)模型,以降低分类时无关信息的干扰,提升模型的分类性能。首先,采用TextGCN(Text Graph Convolutional Network)中的构图法构建邻接矩阵,结合GCN和BERT模型作为类生成器(CG);其次,在模型训练时采用伪标签特征训练法,并构建聚类器与类生成器联合训练;最后,在多个广泛使用的数据集上进行实验。实验结果表明,在泛用的分类数据集20NG、R8、R52、Ohsumed和MR上,CAGCN模型的分类准确率比RoBERTaGCN模型分别提高了1.2、0.1、0.5、1.7和0.5个百分点。
- 姚迅秦忠正杨捷
- 关键词：文本分类
- 智能问答模型的生成方法、装置、计算设备和存储介质
- 本发明提供了一种智能问答模型的生成方法，包括：扩充原始样本数据集以使存在与所述原始样本数据集中问题对应的正样本，生成新样本数据集；将生成的新样本数据集输入到现有问答模型中，所述现有问答模型从新样本数据集中的知识库和文档中...
- 刘军平 梅世杰胡新荣姚迅 杨捷
- 文献传递
- 一种输入中包含错误信息场景下的文档检索方法
- 本发明公开了一种输入中包含错误信息场景下的文档检索方法，包括：步骤1，对原始的查询文本进行攻击，生成一个包含错误信息的查询文本，以扩充数据集；步骤2，对生成的包含错误信息的查询文本进行预处理，检测其文本单词个数，并在其文...
- 刘军平龚明康郭沛然胡新荣姚迅杨捷
