周立欣
- 作品数：11 被引量：22H指数：3
- 供职机构：上海理工大学管理学院更多>>
- 发文基金：国家自然科学基金教育部人文社会科学研究基金上海市哲学社会科学规划课题更多>>
- 相关领域：自动化与计算机技术自然科学总论理学更多>>
- 非热门微博信息的传播特征分析被引量：3
- 2014年
- 微博信息的传播扩散研究在网络营销、舆情控制、社会动员等领域具有重要意义。当前往往忽视对海量非热门微博信息的关注,为解决这一问题,从非热门微博信息的生命周期、粉丝量、转发量和传播间隔等因素入手,分析非热门微博信息的传播特征,并发现微博信息传播的时间间隔服从对数正态分布,研究结论可以为微博发布者、营销者、管理者影响和控制微博信息的传播提供一定决策依据。
- 刘臣周立欣霍良安张刚
- 关键词：生命周期信息扩散长尾理论对数正态分布
- 公益基金投资决策综合分析模型
- 2017年
- 投资对象的选取以及投资金额的确定是公益基金投资决策的重要环节,针对公益基金投资决策依据标准不足问题,文中提出基于层次分析和动态规划相结合的决策分析模型。基于美国国家教育统计中心数据,文中首先采用层次分析法,经矩阵分析运算,将需要投资的对象进行排名。然后利用效益函数,保证投资总金额一定的条件下,采用动态规划的方法,确定对各投资对象的投资金额,从而使得潜在收益最大化。研究表明,该方法具有一定的实用性,能够有效解决公益基金的投资决策问题。
- 刘臣王育清韩林周立欣
- 关键词：层次分析矩阵分析动态规划
- 基于图卷积神经网络的网络节点补全算法被引量：4
- 2021年
- 网状数据结构通常获取的网络数据不完整,存在缺失节点.对此,文中提出基于图卷积神经网络的网络节点补全算法.首先对可观测网络进行成对采样,构造目标节点对的封闭子图和特征矩阵.然后利用图卷积神经网络提取子图及特征矩阵的表征向量,用于推断子图中的目标节点对之间是否存在缺失节点,同时判断不同目标节点对间的缺失节点是否为同一节点.最后,在真实网络数据集及人工生成的网络数据集上的实验表明,文中算法可较好解决网络补全问题,在缺失节点比例较大时仍能有效补全网络.
- 刘臣李自然周立欣
- 多任务实时声音事件检测卷积模型与复合数据扩增
- 2023年
- 现有的声音事件检测研究多为对离线音频进行分析,且模型参数量较多、计算效率低,不适用于实时检测。提出一种面向多任务实时声音事件检测的轻量化卷积神经网络模型,它将唤醒与检测任务整合成多任务学习框架,此外模型的卷积结构联合了稠密连接、Ghost模组与SE注意力机制;另外还提出了一种复合数据扩增方法,将音频变换、随机裁剪与频谱掩蔽相结合。实验结果显示,该模型在ESC-10和Urbansound8K数据集上的平均预测准确率高于当前新型的基线模型2%以上,同时模型的参数和内存更少。研究表明,多任务学习的方式节省了计算量,又因为卷积结构复用了中间层特征,模型可以快速地反馈检测结果。另外,复合数据方法相比传统方法使模型获得了更好的性能和鲁棒性。
- 刘臣倪仁倢周立欣
- 关键词：多任务学习
- 基于深度度量学习的网络缺失节点检测研究
- 2022年
- 鉴于现实中存在权限设置,获取数据成本过高等因素,大多数收集到的网络仅为完整网络的局部,检测缺失的节点是处理网络不完整问题的有效途径之一。网络缺失节点的检测是一个复杂的问题,因为其不仅需要判断网络是否缺失了节点,还需要分析与缺失节点相关的边。于是提出了基于度量学习的网络缺失节点检测模型(MND-M),它利用图卷积神经网络分别学习两个样本,学习的结果用于预测每组样本内是否缺失了节点,并利用度量学习方法比较一对样本嵌入的相似度,判断它们缺失的节点是否为同一个。模型在完整网络中构造了样本数据及标签来训练模型,帮助其获得缺失节点检测的能力。在4个数据集上进行了实验,结果表明MND-M能有效检测出网络中节点,获得较高的准确率和F1值。
- 刘臣邵颖周立欣
- 关键词：网络数据
- 基于邻域采样的异质网络链接预测算法
- 2022年
- 面对规模日益增长的图数据,传统的图卷积模型直接在大规模图上进行训练需要耗费大量的计算资源和时间,采样方法通过灵活构建输入模型中的数据成为缓解这一问题的常用措施。现有采样方法多针对同质网络,并且在考虑训练过程中出现的邻居爆炸、训练成本过大的问题时仍然存在欠缺。为解决大规模网络训练的这一缺陷,论文提出一种基于邻域子图采样的训练框架,使得图卷积网络能够在大规模异质网络上高效地完成训练。具体而言,论文方法首先将邻域采样和批量处理结合起来,利用k阶采样器对完整的异质网络进行采样得到批量邻域子图,然后使用关系图卷积模型对各子图进行特征提取,从而获得链接预测评分。为了评估该采样算法的有效性,论文在三种规模不同的异质网络数据集FB15k-237,FB-Toy,WN18上进行链接预测任务实验。实验表明,添加提出的邻域采样方法的关系图卷积模型与基线相比能够显著提升在大规模异质图中链接预测任务的准确率以及模型训练速度。
- 刘臣谢宁静周立欣
- 关键词：异质网络链接预测
- 多声学特征融合的语音自动剪辑深度学习模型
- 2023年
- 剪辑是音视频制作中的重要环节,剪辑师需综合考虑剪辑节奏、关联性等要素,耗费大量人力和时间.从剪辑特性和实际应用出发,本文提出了一种多声学特征融合的语音自动剪辑深度学习模型(CNN-BiGRU),它可以识别媒体中的语音部分并进行艺术化的自动剪辑.模型提取了对数梅尔频谱、短时能量和短时过零率3种特征,通过多个卷积神经网络融合后输入双向门控循环神经网络.采用基于课程式学习的方式,使用先大后小的数据形式将模型训练至最佳.实验结果表明相较于传统机器学习剪辑模型,本模型能更有效地结合整体与局部的信息进行剪辑,且具有更强的鲁棒性.模型在CHiME-5测试集上的准确率高达98.36%,与人工剪辑结果十分接近且大幅缩短剪辑耗时.
- 刘臣倪仁倢周立欣侯昌佑
- 关键词：卷积神经网络
- 引入外部知识的社交平台立场检测模型
- 2022年
- 针对社交平台的用户评论进行立场检测,旨在对某一特定话题下的用户评论进行立场分类。现有立场检测研究只关注评论文本的内部语义特征,而忽略了与评论文本相关的外部知识。通过将评论的关键信息映射到知识图谱中,以检索与该关键信息有关的外部知识,并将外部知识引入到模型中进行立场检测任务,该方法可通过提供可能对立场检测任务至关重要的背景知识来提升分类效果。在构建立场检测模型时,除考虑评论的文本特征外,采用门控图神经网络方法融合评论之间的结构信息,从而提取相关评论的相互影响情况。实验结果表明,与已有解决该问题的立场检测模型相比,该模型取得了较好的检测结果。将评论的文本特征与结构信息相结合并引入外部知识,可有效提升模型的立场检测性能。
- 刘臣周珂馨周立欣陆啸尘
- 关键词：知识图谱结构信息
- 基于交叉度的有向网络中心节点识别算法研究被引量：5
- 2016年
- 利用K-核分解的方法识别中心节点,被认为在复杂网络重要节点发现中具有特殊的优势。但K-核分解法在有向网络中只能简单地利用节点的出度、入度或者两者之和进行分解,不能区分两者的差异。针对这一问题,将有向网络中出度与入度的概念相结合,提出交叉度(cross degree)的概念;并利用交叉度提出识别有向网络中心节点的C-核分解法。该算法在无向网络中退化为K-核分解法。通过仿真实验和分析,发现该方法既保留K-核方法准确有效的优势,同时还具有较好的区分度,能够较好地识别有向网络中的重要节点。
- 周立欣刘臣霍良安王育清
- 关键词：有向网络中心节点区分度
- 复杂网络上的传播模型研究被引量：10
- 2016年
- 伴随着复杂网络领域出现的研究热潮,对复杂网络上的传播现象进行研究已成为重要课题。本文首先对复杂网络基本概念和网络模型作了介绍,在此基础上分析了经典的传播模型以及不同网络上的传播阈值,最后对不同网络上传播动力学的研究进展作了说明。综述了学者们对复杂网络上传播模型的研究,特别是在结构和演化方面取得的进展。
- 刘臣王育清周立欣霍良安
- 关键词：复杂网络动力学行为
