钟鸣
- 作品数：5 被引量：19H指数：2
- 供职机构：武汉大学计算机学院更多>>
- 发文基金：国家自然科学基金湖北省自然科学基金苏州市科技发展计划更多>>
- 相关领域：自动化与计算机技术更多>>
- 一种大规模图数据上已知项搜索的优化方法
- 来,在社交网络、生物信息、软件工程、知识工程等领域,以图为天然组织结构的数据开始大量涌现,从而使得图数据的查询、搜索、挖掘等问题迅速成为研究热点.然而,由于图的计算复杂度高,现有的图数据搜索方法的可伸缩性差,难以应用于大...
- 钟鸣王盛刘梦赤
- 关键词：搜索算法
- 基于k-核过滤的社交网络影响最大化算法被引量：11
- 2018年
- 针对现有社交网络影响最大化算法影响范围小和时间复杂度高的问题,提出一种基于独立级联模型的k-核过滤算法。首先,介绍了一种节点影响力排名不依赖于整个网络的现有影响力最大化算法;然后,通过预训练k,找到对现有算法具有最佳优化效果且与选择种子数无关的k值;最后,通过计算图的k-核过滤不属于k-核子图的节点和边,在k-核子图上执行现有影响最大化算法,达到降低计算复杂度的目的。为验证k-核过滤算法对不同算法有不同的优化效果,在不同规模数据集上进行了实验。结果显示,应用k-核过滤算法后:与原PMIA算法相比,影响范围最多扩大13.89%,执行时间最多缩短8.34%;与原核覆盖算法(CCA)相比,影响范围没有太大差异,但执行时间最多缩短28.5%;与Out Degree算法相比,影响范围最多扩大21.81%,执行时间最多缩短26.96%;与Random算法相比,影响范围最多扩大71.99%,执行时间最多缩短24.21%。进一步提出了一种新的影响最大化算法GIMS,它比PMIA和IRIE的影响范围更大,执行时间保持在秒级别,而且GIMS算法的k-核过滤算法与原GIMS算法的影响范围和执行时间差异不大。实验结果表明,k-核过滤算法能够增大现有算法选择种子节点集合的影响范围,并且减少执行时间;GIMS算法具有更好的影响范围效果和执行效率,并且更加鲁棒。
- 李阅志祝园园钟鸣
- 关键词：社交网络
- 一种大规模图数据上已知项搜索的优化方法被引量：1
- 2014年
- 近年来,在社交网络、生物信息、软件工程、知识工程等领域,以图为天然组织结构的数据开始大量涌现,从而使得图数据的查询、搜索、挖掘等问题迅速成为研究热点.然而,由于图的计算复杂度高,现有的图数据关键词搜索方法的可伸缩性差,难以应用于大规模图数据.创新性地从对用户搜索意图的探索出发,探讨了可能存在的不同类型的图搜索及其优化潜力,提出了根据不同类型搜索的特点采用专门的优化策略的思想;并针对其中非常重要和常见的"已知项搜索"提出了一种启发式优化方法,利用图中局部拓扑信息构建索引,并使用MapReduce技术处理大规模图数据,实现在搜索前裁剪匹配顶点,以少量可能存在的top-k答案丢失为代价来显著缩减搜索空间.实验证明该方法能够极大地减少已知项搜索的响应时间.
- 钟鸣王盛刘梦赤
- 关键词：索引
- 低资源方面级情感分析研究综述
- 2023年
- 方面级情感分析(Aspect-Based Sentiment Analysis)旨在识别文本中用户对于特定对象所表达的观点信息,是情感计算领域的前沿课题,近年来受到学术界和工业界的广泛关注.方面级情感分析涉及到方面词、观点词、方面类别和情感极性等多种要素,并相应地构成了多种目标任务.随着自然语言处理技术的高速发展,研究者们针对方面级情感分析提出了众多解决方案,在性能表现上取得了一定进展.然而,受限于方面级情感分析高昂的标注代价,现有研究大多局限于特定的语言和领域,训练样本不足导致的低资源场景阻碍了相关方法的进一步拓展与应用.本文首先从方面级情感分析相关定义出发,对其所涉及的各种要素及任务进行了阐述,并介绍了常用数据集及评价指标;其次,针对方面级情感分析包含的基本任务和扩展任务,详细深入地综述和分析了相关模型的发展历程;再次,对于低资源场景下的方面级情感分析任务,从模型和数据两个层面对现有改进策略进行了归纳和对比;最后,对低资源方面级情感分析的未来研究趋势进行了展望和总结.
- 陈壮钱铁云李万理张婷周燊钟鸣祝园园刘梦赤
- 关键词：信息抽取
- 面向审计领域的短文本分类技术研究被引量：7
- 2015年
- 针对审计问题这种短文本所具有的特征稀疏、问题类别界限模糊问题,提出了一种改进的面向审计领域的短文本分类方法.该方法首先为审计问题构造了专门的特征集,以审计领域的同义词词集和法规库为基础,并结合特定规则来调整特征权重,然后以修改的SVM决策树作为多类分类器进行短文本分类.实验结果表明,该方法在对审计问题分类的应用上,具有较为满意的正确率,能满足实际的分类需求.
- 伍洋钟鸣姜艳李石君
- 关键词：审计领域信息增益SVM决策树审计报告
