周向东
- 作品数：56 被引量：233H指数：8
- 供职机构：复旦大学更多>>
- 发文基金：国家自然科学基金国家重点基础研究发展计划上海市自然科学基金更多>>
- 相关领域：自动化与计算机技术建筑科学文化科学政治法律更多>>
- 论我国民事诉讼中法院调解制度的重构
- 本文讨论我国民事诉讼中法院调解制度的重构，调解作为中国自古就存在的一种纠纷解决方式，甚至是社会治理的一种制度性或体制性存在，在现代仍有着极为重要的意义。法院调解长期以来一直是我国法院民事审判权的主导性运作方式。与此同时，...
- 周向东
- 关键词：民事诉讼法院调解制度民事审判权司法改革程序选择权
- 文献传递
- 基于图注意力网络的科技实体关系联合抽取方法被引量：1
- 2022年
- 实体关系抽取在科技文献挖掘、文本知识发现等应用中起着重要作用。本文提出了一种新的实体关系联合抽取模型,利用关系之间存在的关联性来提升实体与关系联合抽取的性能。即将实体二元组(实体对)映射到关系语义子空间,并利用图注意力网络(Graph Attention Network)来探索关系之间相关性,实现了实体关系三元组抽取性能的改进。在两个常用的公开数据集上的实验结果表明本模型达到了目前已知的最好性能指标。
- 周义恒陈颢天周向东
- 一个基于语义上下文建模的图像自动标注系统被引量：2
- 2011年
- 图像语义自动标注技术的研究在多媒体数据管理领域具有十分重要的理论与应用意义.本演示介绍了一个基于多马尔可夫随机场的图像语义自动标注方法(multiple Markovr andom field,MMRF)的图像语义自动标注与训练系统.通过交互式的图像语义标注模型的训练与标注演示,充分展示了MMRF技术的标注性能,并帮助观众更好地了解图像语义自动标注的机理和系统实现过程.
- 纪传俊刘作涛产文周向东
- 关键词：马尔可夫随机场
- 融合深度及边界信息的图像目标识别被引量：2
- 2017年
- 为精确定位候选目标,提高目标识别效果,提出一种融合图像边界信息和深度信息的目标识别方法,该方法可以产生数量更少、定位更准确的图像候选目标。然后提取深度学习特征,通过支持向量机分类模型,实现目标识别。在两个常用数据集上进行对比实验显示,与Baseline和选择性搜索等方法相比,该方法显著地提高了目标识别的性能。
- 原彧鑫周向东
- 关键词：目标识别深度信息支持向量机
- 基于transformer的全景图像特征表示学习方法
- 本发明提供了一种基于transformer的全景图像特征表示学习方法，包括：将第一全景图像划分为若干方格，用多层深度卷积神经网络提取各方格的特征，得到各方格的第一特征向量；基于方格划分若干第一窗口，对各第一窗口内的所有方...
- 周向东凌致新
- 一种基于概念的贝叶斯网络图像检索模型
- 1引言数字化多媒体信息和资源的数量正在飞速增长,多媒体数据的管理越来越受到人们的关注。而在拥有大量数据的图像数据库中进行有效检索是其中一个具有挑战性的问题,是数据库管理新型多媒体数据类型必须妥善解决的问题之一。
- 谢祖铭张亮周向东叶剑烨陈恋
- 文献传递
- 动态网络最短路问题的复杂性与近似算法被引量：22
- 2007年
- 有向网络的最短路问题在交通、通信系统的最优路径计算以及多阶段决策过程的最优轨线设计等实际问题中有着重要应用.经典模型及算法解决固定弧权条件下的最短路问题,而实际中,网络往往是动态的,即弧权依赖于时间变化,例如在交通拥堵时运行时间会变长,这时经典的最短路算法不再适用.文中证明了动态网络的最短路问题是NP-困难的;给出了最短路稳定性的充要条件,并在此基础上提出一种基于稳定区间的近似算法,通过模拟实验验证了该算法的有效性.
- 林澜闫春钢蒋昌俊周向东
- 关键词：动态网络最短路NP-困难稳定性
- 复合连续流多媒体对象的调度算法
- 与已有的算法相比,本文提出的复合连续流多媒体对象调度算法更充分地利用了系统的剩余带宽,从而能得到较好的调度方案.
- 周向东邓爱林施伯乐
- 关键词：多媒体对象调度算法
- 文献传递
- 文档级关系三元组的抽取方法
- 本发明提供了一种文档级关系三元组的抽取方法，包括：对包含训练数据的文档中的先验知识进行发掘并构建不同种类的先验图结构以表示不同先验知识之间的内在联系；将各个种类的先验图结构与关系预训练模型通过多通道模型融合，利用所述关系...
- 徐旻洋周向东陈颢天蒋中行
- 基于KNN+层次SVM的文本自动分类技术被引量：7
- 2016年
- 针对大规模文本的自动层次分类问题,K近邻(KNN)算法分类效率较高,但是对于处于类别边界的样本分类准确度不是很高。而支持向量机(SVM)分类算法准确度比较高,但以前的多类SVM算法很多基于多个独立二值分类器组成,训练过程比较缓慢并且不适合层次类别结构等。提出一种融合KNN与层次SVM的自动分类方法。首先对KNN算法进行改进以迅速得到K个最近邻的类别标签,以此对文档的候选类别进行有效筛选。然后使用一个统一学习的多类稀疏层次SVM分类器对其进行自上而下的类别划分,从而实现对文档的高效准确的分类过程。实验结果表明,该方法在单层和多层的分类数据集上的分类准确度比单独使用其中任何一种要好,同时分类时间上也比较接近其中最快的单个分类器。
- 王金华喻辉产文周向东施伯乐
- 关键词：自动文本分类KNN
