您的位置： 专家智库 > >

陈嘉颖

作品数：6 被引量：19H指数：2
供职机构：新疆大学软件学院更多>>
发文基金：国家自然科学基金更多>>
相关领域：自动化与计算机技术电子电信更多>>

合作作者

文献类型

  • 6篇中文期刊文章

领域

  • 5篇自动化与计算...
  • 1篇电子电信

主题

  • 2篇语言处理
  • 2篇自然语言
  • 2篇自然语言处理
  • 2篇网络
  • 2篇命名实体识别
  • 1篇蛋白质功能
  • 1篇蛋白质功能预...
  • 1篇蛋白质序列
  • 1篇循环神经网络
  • 1篇神经网
  • 1篇神经网络
  • 1篇生物计算
  • 1篇生物信息
  • 1篇生物信息学
  • 1篇排序
  • 1篇偏好
  • 1篇谱系
  • 1篇谱系障碍
  • 1篇人工智能
  • 1篇中文

机构

  • 6篇新疆大学
  • 3篇北京理工大学
  • 1篇中南大学
  • 1篇中国科学院大...

作者

  • 6篇陈嘉颖
  • 4篇钱育蓉
  • 3篇冷洪勇
  • 2篇于炯
  • 2篇杨兴耀
  • 1篇卞琛

传媒

  • 3篇计算机工程与...
  • 1篇计算机应用
  • 1篇计算机工程与...
  • 1篇现代电子技术

年份

  • 2篇2024
  • 2篇2023
  • 1篇2017
  • 1篇2016
共 6 条 记 录，以下是 1-6
全选 清除 导出
排序方式：
人工智能在功能磁共振成像数据中的自闭症研究综述
2023年
自闭症谱系障碍是一种严重的精神障碍疾病,多发于儿童时期,影响个体的社交和日常生活。近年来,基于功能磁共振成像(functional magnetic resonance imaging,fMRI)数据的自闭症人工智能诊断成为研究热点。机器学习、深度学习等先进技术已经被用于自闭症的智能辅助诊断研究中,旨在提高诊断的效率、准确性以及探索发病机制。首先介绍了自闭症智能诊断的背景、重要意义和面临的挑战;其次回顾了近5年智能诊断相关技术在自闭症分类识别中的进展,从机器学习和深度学习两方面总结、分析智能诊断不同方法的特点和局限性;最后探讨了自闭症智能诊断亟需解决的问题及未来研究趋势,为自闭症早期诊断和临床应用提供指导和参考。
顾剑钱育蓉王兰兰胡月陈嘉颖冷洪勇冷洪勇
关键词：人工智能自闭症谱系障碍功能磁共振成像
基于生物信息学的蛋白质功能预测研究综述
2023年
蛋白质功能预测任务旨在为缺失功能标签的蛋白质数据提供功能注释,随着蛋白质测序技术的发展,数据库中蛋白质数量迅速增长,由于蛋白质数据的复杂性和多元性,蛋白质功能预测任务极具挑战,受到研究人员的密切关注。梳理了机器学习在蛋白质功能预测中的发展历程;对近年来的蛋白质功能预测方法进行归类与总结,分析各类算法之间的异同;最后对蛋白质功能预测存在的问题进行讨论,并对该领域的未来研究进行展望。
李昕晖钱育蓉岳海涛胡月陈嘉颖冷洪勇冷洪勇
关键词：蛋白质功能预测蛋白质序列生物计算生物信息学
考虑用户间消极相似性的排序推荐算法被引量：1
2017年
由于用户评分标准存在差异,基于打分的协同过滤推荐算法在近邻选择过程中存在误差。针对以上问题,提出考虑用户间消极相似性的排序推荐算法(NS-TauRank),该算法不经过对拟推荐项目的预测评分过程。定义DP函数表示项目对相关属性,充分利用用户间的消极相似性,即相似性为负的用户之间的爱好相反,改进目标用户的近邻选择过程,采用舒尔茨方法进行偏好融合,优化目标用户拟推荐项目的排序。在Eachmovie和movielens数据集上对改进算法进行验证,以NDCG作为评价函数,验证结果表明,该算法在两个数据集上的NDCG@1-2值较对比算法有4%-7%的提高,产生了更可靠的拟推荐序列。
陈嘉颖于炯杨兴耀国冰磊
关键词：偏好协同过滤
中文命名实体识别研究综述被引量：2
2024年
命名实体识别(named entity recognition,NER)是自然语言处理中最基本的任务之一,其主要内容是识别自然语言文本中具有特定意义的实体类型和边界。然而,中文命名实体识别(Chinese named entity recognition,CNER)的数据样本存在词边界模糊、语义多样化、形态特征模糊以及中文语料库内容较少等问题,导致中文命名实体识别性能难以大幅提升。介绍了CNER的数据集、标注方案和评价指标。按照CNER的研究进程,将CNER方法分为基于规则的方法、基于统计的方法和基于深度学习的方法三类,并对近五年来基于深度学习的CNER主要模型进行总结。探讨CNER的研究趋势,为新方法的提出和未来研究方向提供一定参考。
赵继贵钱育蓉王魁侯树祥陈嘉颖
关键词：自然语言处理中文命名实体识别
基于深度学习的命名实体识别研究综述
2024年
命名实体识别是自然语言处理领域的一项关键任务,其目的在于从自然语言文本中识别出具有特定含义的实体,如人名、地名、机构名和专有名词等。在命名实体识别任务中,研究人员提出过多种方法,包括基于知识和有监督的机器学习方法。近年来,随着互联网文本数据规模的快速扩大和深度学习技术的快速发展,深度学习模型已成为命名实体识别的研究热点,并在该领域取得显著进展。文中全面回顾现有的命名实体识别深度学习技术,主要分为四类:基于卷积神经网络模型、基于循环神经网络模型、基于Transformer模型和基于图神经网络模型的命名实体识别。此外,对深度学习的命名实体识别架构进行了介绍。最后,探讨命名实体识别所面临的挑战以及未来可能的研究方向,以期推动命名实体识别领域的进一步发展。
张继元钱育蓉冷洪勇侯树祥陈嘉颖
关键词：命名实体识别自然语言处理卷积神经网络循环神经网络TRANSFORMER
基于复杂网络节点重要性的链路预测算法被引量：16
2016年
提升链路预测精度是复杂网络研究的基础问题之一,现有的基于节点相似的链路预测指标没有充分利用网络节点的重要性,即节点在网络中的影响力。针对以上问题提出基于节点重要性的链路预测算法。该算法在基于局部相似性链路预测算法的共同邻居(CN)、Adamic-Adar(AA)、Resource Allocation(RA)相似性指标的基础上,充分利用了节点度中心性、接近中心性及介数中心性的信息,提出考虑节点重要性的CN、AA、RA链路预测相似性指标。在4个真实数据集上进行仿真实验,以AUC值作为链路预测精度评价指标,实验结果表明,改进的算法在4个数据集上的链路预测精度均高于共同邻居等对比算法,能够对复杂网络结构产生更精确的分析预测。
陈嘉颖于炯杨兴耀卞琛
关键词：复杂网络中心性链路预测
全选 清除 导出
共1页<1>
聚类工具0