基于双重情感感知的可解释谣言检测

社交媒体时代给我们带来便利的同时也造成了谣言泛滥,因此通过人工智能技术进行谣言检测具有重要的研究价值。尽管基于深度学习的谣言检测取得了很好的效果,但其大多数是根据潜在特征进行谣言检测的,无法学习情感与语义之间的相关性,同时忽视了从情感角度提供解释。为解决上述问题,该文提出一种基于双重情感感知的可解释谣言检测模型,旨在利用协同注意力机制分别学习谣言语义与用户评论情感,以及谣言情感与用户评论情感的相关性进行谣言检测,并通过协同注意力权重从情感角度提供合理的解释。在公开的Twitter15、 Twitter16和Weibo20数据集上的实验结果表明,该文提出的模型与对比模型相比,在准确率上分别提高了3.9%,3.9%和4.4％,且具有合理的可解释性。     

基于用户模型匹配的水情信息可视化研究与实现

水利信息化平台发展迅速,但水情信息具有来源广泛、类型丰富的特点,用户难以在多而复杂的水情信息中快速找到自己想要的水情信息。通过水情信息可视化的方法,将水情数据转化为用户可以直观理解的视觉形式,定制个性化的地图、设计不同用户界面风格。为解决大量水情信息可视化产生的视觉混淆问题,采用基于用户模型匹配的推荐算法分别对水情站点进行推荐、实现水情信息的过滤,对推荐站点重点可视化。同时,为了增强个性化展示的效果,还采用基于概率的用户模型匹配算法为不同的用户匹配个性化水情信息可视化界面。     

基于 Redis 的水务云系统缓存替换策略设计

水务云系统在海量数据高并发访问情况下存在Web服务性能急剧降低的问题,对此,设计一种基于Redis的水务云系统数据库缓存方案,对影响数据库缓存效率的关键因素进行分析、提取和量化计算,将水务数据类型、用户对数据对象的兴趣度及用户访问行为等因素与缓存数据替换过程结合,对现有GDSF缓存替换算法加以改进,并结合实际的水务云系统数据集实现该缓存方案和仿真实验。实验结果表明,基于Redis的水务云系统数据库缓存方案可以有效改善水务云系统的服务性能,也可为类似水利数据管理平台建设提供有益的借鉴。     

用异质迁移学习构建跨被试脑电情感模型

由于脑电信号的个体差异性和非平稳特性对情感模型性能产生影响,如何构建跨被试脑电情感模型是情感脑-机接口领域的一个重要研究方向.本文提出一种新的从眼睛的扫视轨迹进行知识迁移的异质迁移学习方法,以提升跨被试脑电情感模型的性能.该方法的主要神经生理学依据是,被试的视觉注视诱发了大脑特定的神经活动,而这些神经活动产生的脑电信号可以为情绪识别提供重要的情境线索.为了量化不同被试之间的域差异,我们引入了基于扫视轨迹和基于脑电信号的核矩阵,并提出了改进的直推式参数迁移学习算法,以实现跨被试脑电情感模型的构建.该方法与传统方法相比,具有两个优点:一是利用了目标被试容易获取的眼动追踪数据进行被试迁移,二是在目标被试只有眼动追踪数据的情况下,仍然能够从其他被试的历史数据中学到脑电信号的情绪类别判别信息.为了验证所提方法的有效性,我们对本文提出的方法与已有的迁移方法在三类情绪识别的脑电和眼动数据集上进行了系统的对比实验研究.实验结果表明,基于眼动轨迹的迁移模型取得了与基于脑电信号的迁移模型相当的识别性能.相对于传统的通用分类器50.46%的平均准确率,基于眼动轨迹的迁移模型的平均准确率达到了69.72%.     

探讨基于QoS管控的差异化4G网络服务

随着高流量4G计划的普及以及在线游戏,在线视频,即时消息等移动互联网应用的快速发展,4G网络负载变得越来越繁重。在网络资源不足的情况下,电信运营商必须为不同类型的用户和服务提供差异化的网络服务,以吸引和留住高价值用户,提高网络的竞争力。本文尝试以无线资源利用率为触点,联动核心网与无线侧能力,通过实施基于Qo S(Quality Of Service)管控的差异化调度方案,在无线网络资源不足时,为不同类型的4G用户提供不同的网络感知服务。     

一种随机平均分布的集成学习方法

像传统机器学习一样,样本的不平衡分布会影响深度学习分类器的预测能力,在语音情感识别环境下,情感数据的不平衡分布是一种常态。基于卷积循环神经网络和注意力模型,提出一种随机平均分布的集成学习方法(Redagging),用来消除样本的不平衡分布。Redagging按照机会均等原则,等概率地把训练样例随机放入子训练样本,通过降低样例重复率提升基分类器的性能,进而增强综合分类器的预测能力。在IEMOCAP和EMODB情感数据库的实验表明,从未加权平均召回率和F1值两个方面,Redagging都优于Bagging和其他不平衡学习方法,验证了其有效性。     

一种基于无线携能通信的MEC与用户匹配算法

多接入边缘计算（Multi-access Edge Computing,MEC）和无线携能通信可有效提高用户的服务质量和体验。在计算、通信和能量等资源的约束条件下,用户匹配是优化MEC任务卸载时系统效用的重要方法。针对无线携能通信的MEC网络结构,综合考虑用户的需求差异性和多元化能量供给,建立了基于计算资源、传输资源和能量资源的系统效用函数;以系统效用最大化为目标,采用基于多维背包理论的多轮拍卖,提出了一种适用于多用户和多网络边缘服务器的用户匹配算法。仿真验证了所提用户匹配算法的有效性与可靠性,结果表明所提匹配算法可优化系统资源配置,有效提高整体性能。     

融合注意力机制和CNN-GRNN模型的读者情绪预测

针对主流面向文本的读者情绪预测算法难以捕捉文本中复杂的语义和语法信息,以及局限于使用多标签分类方法的问题,提出一种融合注意力机制和卷积门限循环神经网络的读者情绪预测方法。该方法将文本划分为多个句子,利用卷积神经网络从每个句子中提取不同粒度的n-gram信息,构建句子级别的特征表示;然后通过门限循环神经网络顺序地集成这些句子特征,并利用注意力机制自适应地感知上下文信息提取影响读者情绪的文本特征;最后利用softmax回归进行细粒度的读者情绪分布预测。在雅虎新闻读者情感分析数据集上的实验结果证明了该方法的有效性。     

云环境下面向隐私保护的用户行为分析

针对云环境下基于隐私Petri网（PPN）的用户行为,主要是存在隐私泄露的行为,通过软件监测应用程序获取调用的相关接口,分析存在隐私泄露用户行为的特点。主要通过研究正常QQ软件与植入了木马病毒的QQ软件在运行时所调用的系统序列的异同,根据调用的序列在建模软件中分别建立全局PPN模型,进行分析对比。最后对所分析的用户行为进行测试,研究PPN模型的相关算法,对PPN模型进行定性分析和定量分析,分别计算其4项指标值：可能性、严重性、操纵性、隐秘性。实验结果表明,与正常QQ相比,恶意的QQ不仅会越权访问其他数据,未经授权篡改权限获取相应数据;其次,包含隐私泄露行为的软件访问重要资源的能力更强,甚至会通过网络发送隐私数据。     

基于Bandlet和KW技术的移动应用面部情感识别

由于情感感知移动应用的智能性和用户易接受性,使情感感知移动应用不断增加。由于移动设备的处理能力有限,因此移动设备上的情感识别方法的算法实现应该实时和高效。提出了一个移动应用上的高精度和低计算复杂度的情感识别方法。在该方法中,人脸视频由智能手机的摄像头捕获,从视频中提取一些有代表性的帧,并且用一个人脸检测模块从这些帧中提取人脸区域。脸部区域被Bandlet变换处理,结果子波被划分为互不重叠的子块。计算每个块的局部二进制值模式的直方图,将所有块的直方图关联起来作为描述面部图像的特征集。用Kruskal-Wallis检验从面部图像特征集中选择最具优势的特征,将这些特征送入高斯混合模型分类器中进行情感识别。实验结果表明,该方法在一个合理的时间内实现了高识别精度。