摘要 ：

针对在目标应用场景中缺乏大量有标定训练数据的情况下难以获得有效的深度学习分类模型的问题,结合领域分布差异的方法与对抗学习方法的优势,提出以显式特征对齐与隐式领域对抗及类别对齐为基础的领域自适应框架.对于显式特征对齐模块,考虑到领域知识差异大带来的优化难题,采用渐进式协同优化策略,通过逐层减小不同语义层之间的领域差异,提升领域自适应性能.对于隐式类别对齐模块,为了增强目标特征的判别性,使用自训练方法获得伪标签,克服伪标签存在的标签噪声问题,并通过学习混淆矩阵优化伪标签的准确率,自动构造新的目标领域损失函数,从而在减小领域间差异的同时,提升源领域与目标领域相同类别的特征分布对齐的准确性.基于Office-31数据集的6个跨领域分类任务与基于Office-Home数据集的12组跨领域分类任务的实验结果表明,该方法在迁移学习任务上的平均分类准确率相较于基准方法分别提升11.9％和19.9％,所提出网络对于领域自适应任务是有效的.

关键词 ：

图像分类 伪标签优化 迁移学习 领域自适应 领域特征对齐 领域对抗学习

引用：

复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。

摘要 ：

在实际应用场景中,情感分析技术为自动判别文本情感极性提供了有效的决策及解决方案,但是文本情感分析技术依赖于大量的标定样本.为了减小对人工标注的依赖,有研究者提出了基于领域自适应的跨领域情感分析技术.该技术面向跨领域文本情感分析任务,将经由标定样本训练的源领域模型,迁移至无标定的目标领域.然而目前的领域自适应技术仅从单个角度进行迁移,即减小领域专有特征差异或提取领域不变特征.因此考虑到跨领域文本数据同时包含领域专有特征和领域不变特征的特点,提出了一种领域对齐对抗的无监督跨领域文本情感分析算法.该算法通过渐进式的迁移策略,逐层减小不同语义层的领域差异,并在高层语义子空间通过协同优化的领域自适应算法,实现跨领域文本数据的领域知识迁移.在2个公开跨领域文本情感数据集上的24组跨领域文本情感分类实验结果表明,与4类领域自适应算法中代表性的和当前表现最优的方法相比,领域对齐对抗的无监督跨领域文本情感分析算法在24组实验中取得了最高的平均分类准确率,同时结合迁移性能分析结果和特征分布可视化结果,证明该算法一定程度上提升了现有无监督跨领域文本情感分析算法的分类性能和迁移性能.

关键词 ：

迁移学习 情感分析 协同优化 无监督领域自适应 跨领域情感分类

引用：

复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。

摘要 ：

随着人工智能、大数据和云计算等新一代信息技术的快速发展,全球范围内新一轮科技革命和产业变革蓬勃兴起.我国十九大报告提出了要大力推动互联网、大数据、人工智能和实体经济深度融合.正如《中国制造2025》所指出的,我们要以促进制造业创新发展为主题,以提质增效为中心,以加快新一代信息技术与制造业深度融合为主线,以满足经济社会发展和国防建设对重大技术装备的需求为目标,强化工业基础能力,推进智能制造发展,提高综合集成水平,完善多层次、多类型人才培养体系,实现制造业由大变强的历史跨越.为了实现这一目标,必须坚持把创新摆在制造业发展全局的核心位置,完善有利于创新的制度环境,推动跨领域跨行业协同创新,突破一批重点领域关键共性技术,促进制造业数字化、网络化、智能化,走创新驱动的发展道路.

引用：

复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。

摘要 ：

一种面向节点多维表征的图神经网络链接预测方法属于推荐系统技术领域。首先，利用中文语料库对节点属性特征信息进行中文分词，扩增节点的语义表征。同时，建立预训练直推式图卷积算法，得到另一维节点表征。然后，通过自定义初始化权重系数实现两节点特征向量的拼接，完成节点语义向量和预训练向量在用户侧和物品侧向量空间映射。运用归纳式图卷积神经网络算法SAGE实现邻居节点采样和聚合，在SAGE框架中添加了节点度的信息，提高度小的节点被采样的概率，降低度大的节点被采样的概率。利用机器学习分类算法LGB作为下游分类任务，进而实现多模态跨领域的链接预测任务。

引用：

复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。

摘要 ：

跨领域情感分类任务旨在利用富含情感标签的源域数据对缺乏标签的目标域数据进行情感极性分析.由此,文中提出基于对抗式分布对齐的跨域方面级情感分类模型,利用方面词与上下文的交互注意力学习语义关联,基于梯度反转层的领域分类器学习共享的特征表示.利用对抗式训练扩大领域分布的对齐边界,有效缓解模糊特征导致错误分类的问题.在Semeval-2014、Twitter数据集上的实验表明,文中模型性能较优.消融实验进一步表明捕获决策边界的模糊特征并扩大样本与决策边界间距离的策略可提高分类性能.

关键词 ：

交互注意力 对抗式训练 梯度反转 跨域方面级情感分析

引用：

复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。

摘要 ：

本发明公开了一种专业领域论文的批量实体抽取方法及系统，方法包括：采用开源数据集对联合实体关系抽取模型进行预训练；针对模型输出的实体识别结果中的单个实体加入边界信息；以所要抽取实体的专业领域的文献数据集对模型进行迁移学习；构建专业领域的词典匹配规则，并将匹配结果与迁移学习后的模型预测结果一致的样本数据扩充入训练集中；对训练集进行迭代扩充和反复训练，直至训练结果无明显正收益；将需要抽取实体的文本输入训练完成的模型，得到关系分类的实体信息。通过本发明的技术方案，有效解决了错差累积和关系重叠的问题，减少了人力成本及其所导致的高标注成本，且为跨领域实施带来更多的可能和便利。

引用：

复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。

摘要 ：

在推进媒体深度融合发展的趋势下,电视传播在内容供给、渠道整合、用户交互等环节的创新实践,不仅要在广电系统运用5G、大数据、人工智能等信息传播技术推进变革,更需要跨领域探索新兴传播源、传播场景、传播主客体的融合创新发展.国家文化大数据体系建设为电视传播提供了未来契合共生、共赢可期的发展机遇.

关键词 ：

电视传播 数字视听 公共文化 文化大数据 媒体融合

引用：

复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。

摘要 ：

大数据应用的前提是信息资源的开放共享.文章通过剖析影响信息资源共建共享的问题根源,提出"以数据利用为导向的数据生产侧的改革"理念为指导的、建设研究生教育大数据信息资源的众筹模式,并根据数据共享类型分别对应跨领域、同领域、校际之间、高校内部不同部门之间等不同场景设计了不同的众筹模式.对众筹模式的实施从解决数据接口、数据流通的动力和安全问题及健全大数据产业链等方面提出了一系列政策建议.

关键词 ：

大数据信息资源建设 众筹模式 数据共享 研究生教育 教育信息化

引用：

复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。

摘要 ：

跨领域情感分类任务旨在利用已知情感标签的源域数据对缺乏标记数据的目标域进行情感倾向性分析.文中提出基于Wasserstein距离的分层注意力模型,结合Attention机制,采用分层模型进行特征提取,将Wasserstein距离作为域差异度量方式,通过对抗式训练自动捕获领域共享特征.进一步构造辅助任务捕获与共享特征共现的领域独有特征,结合两种特征表示完成跨域情感分类任务.在亚马逊评论等数据集上的实验表明,文中模型仅利用领域共享特征就达到较高的正确率,在不同的跨领域对之间具有较好的稳定性.

关键词 ：

Wasserstein距离 分层模型 双向门控循环单元 注意力机制 跨领域情感分类

引用：

复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。

摘要 ：

本发明公开了一种基于多领域语义融合的推荐方法与系统，通过构建语义本体，利用skip‑gram模型实现不同领域中本体类型的融合，从而实现项目的跨领域融合，得到跨领域项目相似度，再根据领域相关度排序迭代多个领域的数据，生成最终的用户‑项目评分矩阵，最后结合协同过滤方法实现跨领域推荐，为用户推荐跨领域项目。本发明可以有效缓解单一领域推荐中存在的数据稀疏和冷启动问题，同时优化了基于语义的跨域推荐方法，避免了人工标签等形式的大量人力工作。

引用：

复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。