期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到3篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于多阶段内容选择框架的无监督抽取式多文档摘要方法
1
作者 冯毅 宋明阳 +1 位作者 景丽萍 于剑 《中文信息学报》 CSCD 北大核心 2024年第11期46-56,共11页
多文档抽取式摘要任务(MDES)旨在从多个相关文档中提取一个简明且包含显著信息的摘要。通常,在同主题的多个文档中冗余信息不可避免,例如,因不同表达方式造成的重复描述等。现有大多数方法在抽取摘要时,仅关注显著性内容的检测或冗余信... 多文档抽取式摘要任务(MDES)旨在从多个相关文档中提取一个简明且包含显著信息的摘要。通常,在同主题的多个文档中冗余信息不可避免,例如,因不同表达方式造成的重复描述等。现有大多数方法在抽取摘要时,仅关注显著性内容的检测或冗余信息的过滤二者之一,导致摘要信息不全面、不准确。因此,在建模抽取式多文档摘要任务时如何权衡两者间的协作是个挑战。考虑到多文档领域缺乏大规模训练数据,该文提出了一个新的多阶段的多文档无监督文本摘要抽取模型,该模型在摘要级别上进行提取,并通过以下三个步骤依次解决冗余性去除问题和显著性检测问题:引入外部知识的噪声过滤机制、冗余感知的排序策略,以及显著性感知的重排序策略。实验结果表明,该文框架可在多文档数据集Multi-News上取得无监督方法的最优结果,并在两个单文档数据集上获得有竞争力的结果。 展开更多
关键词 多文档抽取式摘要 无监督方法 多阶段框架
在线阅读 下载PDF
融合Transformer与多阶段学习框架的点云上采样网络
2
作者 李泽锴 柏正尧 +2 位作者 肖霄 张奕涵 尤逸琳 《计算机科学》 CSCD 北大核心 2024年第6期231-238,共8页
借鉴Transformer在自然语言和计算机视觉领域强大的特征编码能力,同时受多阶段学习框架的启发,设计了一种融合Transformer与多阶段学习框架的点云上采样网络——MSPUiT。该网络采用二阶段网络模型,第一阶段是密集点生成网络,利用多层Tra... 借鉴Transformer在自然语言和计算机视觉领域强大的特征编码能力,同时受多阶段学习框架的启发,设计了一种融合Transformer与多阶段学习框架的点云上采样网络——MSPUiT。该网络采用二阶段网络模型,第一阶段是密集点生成网络,利用多层Transformer编码器逐步实现从输入点云的局部几何信息、局部特征信息到点云高级语义特征的转换,特征扩充模块在特征空间中,对点云特征上采样,坐标回归模块将点云从特征空间重新映射回欧氏空间中初步生成密集点云M′;第二阶段是逐点优化网络,使用Transformer编码器对密集点云M′中潜藏的语义特征进行编码,联合上一阶段语义特征得到点云完整的语义特征,特征精炼单元从M′的几何信息和语义特征中提取点的误差信息特征,误差回归模块从误差信息特征中计算得到欧氏空间中点的坐标偏移量,实现对点云M′的逐点优化,使得点云上点的分布更加均匀,并且更加贴近真实物体表面。在大型合成数据集PU1K上进行了大量实验,MSPUiT生成的高分辨率点云在倒角距离(CD)、豪斯多夫距离(HD)、生成点云到原始点云块的距离(P2F)上的指标分别降至0.501×10^(-3),5.958×10^(-3),1.756×10^(-3)。实验结果表明,MSPUiT上采样后的点云表面更加光滑,噪声点更少,生成的点云质量高于当前主流的点云上采样网络。 展开更多
关键词 Transformer编码器 多阶段学习框架 特征转换 点云上采样 深度学习
在线阅读 下载PDF
基于多阶段调度框架的麻雀搜索优化算法
3
作者 王毅 郑宏志 +2 位作者 黄欣 洪国栋 闫小婕 《电子学报》 EI CAS CSCD 北大核心 2024年第9期3086-3096,共11页
本文提出一种多阶段调度框架,实现对麻雀种群的初始位置、觅食、侦查与反捕食不同阶段的多策略调度.利用Halton序列与Tent映射提升种群个体质量与初始位置的分布均匀性.在觅食阶段,针对发现者与加入者因位置争夺导致种群质量劣化,设计... 本文提出一种多阶段调度框架,实现对麻雀种群的初始位置、觅食、侦查与反捕食不同阶段的多策略调度.利用Halton序列与Tent映射提升种群个体质量与初始位置的分布均匀性.在觅食阶段,针对发现者与加入者因位置争夺导致种群质量劣化,设计最佳适配比调控二者数量关系,对超出适配比的加入者采用碰撞反弹算子改变其优化轨迹.满足适配比后则通过侦查判断是否存在天敌,若有则进入反捕食阶段,并利用Levy飞行并结合指数分布设计随机迁移机制,生成潜在的全局最优解区域;当连续多次没有发现天敌时为避免种群陷入局部极值,建立模拟预警机制并采用蝗虫算法进行多路径开发,避免寻优方向单一化.不同策略与机制的交替运行、协同调度,平衡了算法的多样性与收敛性.实验结果表明,与最近麻雀变体算法和元启发改进算法相比,该算法在寻优效率与收敛精度上显著优于对比方法. 展开更多
关键词 麻雀搜索算法 多阶段调度框架 最佳适配机制 模拟预警机制 随机迁移机制
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部