公众号
网站访问量
大语言模型驱动下知识图谱的构建及应用综述
张坤丽;王影;付文慧;朱永其;张艳莉;昝红英;在大语言模型的助力下，知识图谱凭借结构化和语义丰富的特征，提升了数据关联与解释能力，为复杂知识推理和智能决策支持等领域提供了新的研究方向和应用潜力。从知识图谱的角度出发，总结了大语言模型驱动下知识图谱的构建及应用的最新研究进展。首先，从知识建模、信息抽取、知识融合以及知识图谱补全等角度探讨了知识图谱构建的新方法；其次，阐述了知识图谱在增强大语言模型、提升检索能力以及与大语言模型协同增强三个方面的应用；最后，对大语言模型与知识图谱结合的未来研究方向进行了展望。
一种原型优化和细化分割的小样本医学图像分割网络
魏明军;贺海鹏;陈伟彬;刘亚志;李辉;针对小样本医学图像分割的现有方法忽略了支持集和查询集之间的分布偏移和局部边缘细节的问题，提出了一种用于小样本医学图像分割的原型优化和细化分割网络(PORSNet)。网络中包含一个原型循环迭代模块，通过迭代执行初始原型校正、原型全局感知、原型蒸馏等步骤，抑制初始原型和查询集之间的分布偏移及增强原型的表达能力。此外，还包含一个原型细化分割模块，通过掩码引导聚合和特征归一细化，进一步处理边缘细节信息。在两个广泛使用的小样本医学公共数据集ABD-MRI和ABD-CT上进行大量验证表明，笔者提出的PORSNet可以利用少量样本在确保分割效果的同时具有良好的泛化能力。
基于多信息注意力对抗图卷积的公交车客流预测
颜建强;赵仁琪;高原;曲博婷;针对公交车客流预测中时空依赖关系难以有效利用的问题，提出一种基于多信息注意力机制的动态自适应对抗图卷积网络客流预测模型。首先，利用时间特征编码器捕获不同时段客流之间的相似性，引入公交车站点的兴趣点(point of interest, POI)信息以辅助模型捕捉更多的节点特征。其次，采用动态建模时空依赖关系的方法完成对非欧几里得关系的建模，利用SimAM注意力模块捕获不同站点客流数据之间的整体差异性。在真实公交车客流数据集上的实验结果表明，相比最优基线模型，所提模型在预测未来12个时间步时的平均MAE和RMSE分别降低了0.34和0.33,展现了其在公交车客流预测中的有效性和优越性。
融合提示学习与分类确定性最大化的领域自适应
丁美荣;卓金鑫;刘庆龙;郎济聪;领域自适应面临现实场景复杂多变的问题，且现有的方法大多注重优化分类的一致性，而忽略了分类的确定性。针对上述问题，提出一种结合对比语言-图像预训练(constrastive language-image pre-training, CLIP)与分类确定性最大化的网络模型。CLIP作为一个多模态预训练模型，通过对大规模的图像-文本对进行预训练，具有强大的跨域泛化能力。通过提示学习和对比学习获取CLIP模型的知识，使模型适应更多的复杂现实场景。通过分类确定性最大化的方法，采用双分类器评估分类的一致性，减少模型在推理过程中的混淆。在Office-31、Office-Home和MiniDomainNet三个领域自适应基准数据集上进行实验，结果表明，与现有的先进方法相比，所提模型在三个数据集上的图像分类精确度均有提升。
基于强化学习的多目标微服务部署方法
张璊瑶;张盈希;郑文祺;冯光升;在边缘计算中，微服务架构可以提升数据处理效率与应用响应速度，适用于快速响应和频繁交互的各类应用场景。然而现有研究忽视了微服务之间不同交互频率对通信开销的影响。针对该问题，提出了一种基于强化学习的多目标微服务最优部署方法，以提升边缘环境中的微服务性能。先建立一种考虑降低微服务交互通信开销和平衡边缘节点资源的双重优化目标模型，在此基础上，设计了基于改进奖励机制的深度Q学习算法。为了适应微服务部署过程中共享资源的特性，引入共享奖励机制，使算法拥有更好的收敛性。实验结果表明，与现有DIM方法和Kubernetes默认部署方法相比，所提出的算法更能均衡微服务交互感知和节点资源利用率，拥有更短的响应时间。
场景化国际中文教学资源知识图谱的构建
杨浩;辛晶;朱珊仪;饶高琦;荀恩东;近些年，为支持国际中文教学，学界构建了大量的知识库，但大多是针对某一具体的资源对象，比如搭配库、例句库等，其孤立性问题较为突出。在万物智能的时代背景下，国际中文教学也面临着数智化转型的问题，其对语言教学资源提出了更高的要求，构建细粒度、各个资源对象相互关联的知识图谱成为必要。在教学过程中特别注重“因材施教”,因此，在构建教学用知识图谱时必须考虑知识的来源和用处，即场景化。利用BCC结构检索工具关联各个资源实体，充分考虑知识的来源以及适用的场景，构建了场景化的国际中文教学知识图谱，并初步进行了国际中文智慧教学的工程实践。
