张颉
- 作品数：17 被引量：52H指数：4
- 供职机构：西安建筑科技大学信息与控制工程学院更多>>
- 发文基金：国家自然科学基金陕西省自然科学基金陕西省教育厅科研计划项目更多>>
- 相关领域：自动化与计算机技术建筑科学文化科学更多>>
- 联合关系上下文负采样的知识图谱嵌入
- 2022年
- 【目的】针对当前基于翻译的知识图谱嵌入模型负采样质量偏低,影响知识图谱的有效嵌入,导致模型表征能力低、性能较差等问题,提出一种联合关系上下文负采样的知识图谱模型。【方法】从原始知识图谱中提取目标实例的邻居并生成上下文向量;然后根据相邻关系可提供给定实体性质或类型信息的特性,在负采样时利用Concat聚合函数对给定实体的关系上下文进行聚合,确定被替换实体的属性;最后结合TransE模型的三元组嵌入并选择相同属性的替换实体生成负例三元组,从而提高正负例三元组的相似度。【结果】实体链接中,在FB15K-237与WN18RR数据集上相对于基准模型分别提升18.3、29.2个百分点;同时在关系链接中较基准模型中的最优结果提升0.7个百分点。【局限】在邻居关系上只考虑了关系上下文的语义信息,故难以确定相对位置,需要进一步探索其路径信息。【结论】该采样策略通过提高替换实体与被替换实体间的相似性,提升了负例三元组的质量,使模型的准确率得到提高。
- 李智杰王瑞李昌华张颉
- 关键词：知识图谱
- 面向链接预测的知识图谱嵌入研究综述被引量：3
- 2022年
- 知识图谱在人工智能领域有着广泛的应用,如信息检索、自然语言处理、推荐系统等;然而,知识图谱的开放性往往意味着它们是不完备的,具有自身的缺陷;鉴于此,需建立更完整的知识图谱,以提高知识图谱的实际利用率;利用链接预测通过已有关系来推测新的关系,从而实现大规模知识库的补全;通过比较基于翻译模型的知识图谱链接预测模型,从常用数据集与评价指标、翻译模型、采样方法等方面分析了知识图谱链接预测模型的框架,并对基于知识图谱的链接预测模型进行了综述,可为大规模知识图谱嵌入提供简单高效的识别推理方法,增加下游人工智能控制应用任务的多样性。
- 王瑞李智杰李昌华张颉
- 关键词：链接预测
- 面向图嵌入的改进图注意机制模型被引量：1
- 2023年
- 针对图神经网络模型学习图嵌入节点表示过程中易丢失大量特征信息及其图拓扑保留不完整的问题,提出了一种改进的图注意力(graph attention)机制模型。该模型分为节点级双向注意力机制和图级自注意图池化两部分。在学习图节点新的特征向量表示过程中,采取计算双向图注意力权重的方式,为邻域节点的保留提供可靠选择的同时增强节点间的相似属性;在图的整体拓扑上结合自注意图池,使用节点特征向量作为输入,通过注意卷积层提供的自注意权重在池化层生成图嵌入表示;在Cora、Citeseer、Pubmed数据集上进行了测试,实验结果表明:相比于基准图注意力机制模型,改进模型能够充分考虑图的局部和整体结构特征,有效增强模型聚合邻域信息的能力,减少了图嵌入过程中原始特征的丢失,明显提升了模型在下游任务的表现性能。
- 李智杰韩津津李昌华张颉
- 关键词：图嵌入
- 基于BIM与知识图谱的智能化审图系统设计与实现被引量：3
- 2022年
- 针对传统建筑审图存在的人工依赖性强、数据难融合共享和审查内容可视化水平低等问题,提出一种基于BIM与知识图谱的建筑智能审图方法;首先,利用知识图谱技术将繁杂的建筑规范文本数据关联为结构化知识,建立知识与数据间的语义联系;其次,鉴于BIM模型的多源异构特性,提出基于IFC的建筑数据信息提取整合,为后续建筑智能化审图实现提供数据基础;最后基于HTML5网络框架和人工智能技术设计开发了具有三维可视化、跨平台等功能的建筑智能审图系统,实现了建筑模型网页端显示及可交互操作、审图内容可视化展示、规范条文对应显示等功能;经实际建筑项目实验测试,该系统有效实现了被审建筑模型的智能化审图,并自动检测出不符合规范的建筑模型构件,一定程度上提升建筑行业智能化审图水平。
- 唐锐李智杰李昌华张颉介军
- 关键词：BIM技术知识图谱自然语言处理人工智能
- 烟雾场景下的人员疏散仿真研究被引量：15
- 2020年
- 针对人员疏散时受烟雾扩散实时动态变化影响较大的问题,建立一种改进的元胞自动机模型,用于烟雾场景下的疏散仿真。首先,在动态参数模型基础上提出烟雾场景下疏散人员视野半径的变化规则,以描述烟雾环境变化对人员行为的影响;同时,建立区域从众行为的运动规则;然后,利用该模型对单双出口场景下的人员疏散过程进行数值模拟研究;最后,分析烟雾场景下视野变化、从众行为及出口宽度对于疏散的影响。研究表明:从众行为在部分情况下对疏散作用具有不确定性,引导员的存在可使疏散效率极大提高;视野范围的变化对疏散时间有一定影响,疏散人员数量较少时影响较大;增加出口宽度能够提高疏散效率,但当出口宽度达到一定程度时效果提升不明显。
- 李昌华何海彤李智杰张颉
- 关键词：元胞自动机人员疏散从众行为
- 面向受损网络嵌入的深度降噪自编码器模型
- 2022年
- 针对现有结构深度网络嵌入模型在处理受损网络时,得到网络表示不能很好反映网络本质特征的局限,以及传统无监督降噪自编码器单层模型结构无法处理高度非线性复杂网络的问题,提出了结构深度降噪网络嵌入模型.通过引入掩盖噪声将受损网络邻接矩阵中的部分单元置零,以此作为模型输入,使用拉普拉斯特征映射处理相邻顶点,捕获网络的一阶相似度;将多个降噪自编码器堆叠得到深度降噪自编码器,利用深度降噪自编码器的多个非线性函数将输入数据映射到潜在空间并得到重构矩阵,最小化重构误差,以此来捕获网络的二阶相似度;联合优化一阶、二阶相似度来保持网络的局部和全局特征.在社交网络和语言网络上进行训练和测试,采用precision@k和MAP来评估模型性能.实验结果表明:相较于现有的网络嵌入模型,该模型实现了更优的网络重构与链路预测性能.
- 李智杰王启辉李昌华张颉
- 关键词：网络嵌入网络重构链路预测
- 基于BIM与MR的楼层疏散仿真
- 2023年
- 针对目前楼层疏散仿真仅将楼层平面图进行路线标注,相对单一且不直观的问题,提出融合混合现实(mixed reality, MR)与建筑信息模型(building information modeling, BIM)的三维建筑的疏散仿真方法。规划分割BIM各构件并进行标注,将BIM信息经过基于层次包围盒的表面积启发式优化算法进行路径规划,借助开发引擎Unity3D将疏散仿真流程导入Microsoft Hololens2硬件平台。实验结果表明,相较于以往仅通过建筑平面图表达的疏散仿真,通过引入MR设备作为多源感知来源,将疏散仿真扩展到可交互的现实三维空间,能够使疏散引导过程更直观,仿真引导效率更高,体验性更强。
- 李智杰马爽予李昌华梁霄张颉
- 关键词：建筑信息模型人机交互
- 基于Web的BIM模型轻量化展示及渲染控制研究被引量：2
- 2022年
- 针对当前BIM模型数据量庞大且需要专业软件查看,对计算机软硬件要求苛刻以及在C/S架构进行模型展示时十分不便的问题,提出了一种BIM模型的轻量化展示及自适应渲染控制的方法;该方法以Revit模型为研究对象,首先利用二次开发技术编写插件自动提取模型信息并转化成glTF格式;然后通过数据优化算法压缩glTF格式,并利用WebGL技术以及Three.js框架解析glTF格式实现模型的Web端重组;最后通过LOD-AD优化算法,实现距离较远且体积较小的三角面片剔除,并且帧率较低时优先渲染高层级构件,以此完成渲染过程中的自适应控制效果;实验结果表明,该方法在确保模型保真度的前提下,极大减少了模型体量以及模型传输时间,且场景的自适应控制能有效剔除低重要度构件,达到显著提升渲染流畅度的效果,为BIM模型轻量化展示以及渲染控制提供了一种可行的参考方案。
- 王琪李智杰李昌华张颉
- 关键词：WEBGL模型数据
- 基于改进图注意机制的网络嵌入方法研究及应用
- 2022年
- 网络已被广泛用作抽象现实世界系统以及组织实体之间关系的数据结构;网络嵌入模型是将网络中的节点映射为连续向量空间表示的强大工具;基于图卷积(GCN,graph convolutional neural,GCN)的网络嵌入方法因受其模型迭代过程参数随机优化和聚合函数的影响,容易造成原始节点特征信息丢失的问题;为有效提升网络嵌入效果,针对于图神经网络模型在网络嵌入中节点表征学习的局限性,提出了一种基于二阶邻域基数保留策略的图注意力网络(SNCR-GAT,second-order neighborhood cardinality retention strategy graph attention network),通过聚合二阶邻域特征基数的方式,解决网络节点潜在特征学习过程中重要信息保留问题;通过在节点分类和可视化两个网络嵌入应用任务上进行实验,结果表明,SNCR-GAT模型在网络嵌入上的性能表现相比较基准方法更具优越性。
- 韩津津李智杰李昌华张颉
- 融合预训练模型和注意力的实体关系抽取方法
- 2023年
- 实体关系抽取旨在从无结构的文档中检测出实体和实体对的关系,是构建领域知识图谱的重要步骤。针对现有抽取模型语义表达能力差、重叠三元组抽取准确率低的情况,研究了融合预训练模型和注意力的实体关系联合抽取问题,将实体关系抽取任务分解为两个标记模块。头实体标记模块采用预训练模型对句子进行编码,为了进一步学习句子的内在特征,利用双向长短时记忆网络(BiLSTM)和自注意力机制组成特征加强层。采用二进制分类器作为模型的解码器,标记出头实体在句子中的起止位置。为了加深两个标记模块之间的联系,在尾实体标记任务前设置特征融合层,将头实体特征与句子向量通过卷积神经网络(CNN)和注意力机制进行特征融合,通过多个相同且独立的二进制分类器判定实体间关系并标记尾实体,构建出融合预训练模型和注意力的联合抽取模型(JPEA)。实验结果表明,该方法能显著提升抽取的效果,对比不同预训练模型下抽取任务的性能,进一步说明了模型的优越性。
- 李智杰韩瑞瑞李昌华张颉石昊琦
