Query：
学者姓名：吴运兵
Refining：
Year
Type
Indexed by
Source
Complex
Former Name
Co-
Language
Clean All
Abstract ：
知识图谱补全旨在通过预测缺失的三元组来扩展和完善知识图谱,多模态知识图谱补全融合了实体的本体信息,如实体描述、实体图像和实体属性,以获取更精确的实体表示.现有研究将不同模态投影到统一的空间中,以获取实体模态联合表示,再融合知识图谱结构信息作出预测.然而,现存方法融合多模态信息时难以捕捉实体背景知识的复杂交互,不可避免地存在信息丢失和特征提取能力不足的问题;同时过拟合及实体关系交互不足限制了二维卷积模型性能,导致难以融合知识图谱结构信息.因此,提出了多级融合知识图谱补全模型,从实体多模态信息融合与知识图谱结构信息融合两方面解决上述问题.为充分融合实体多模态信息,提出同时使用三种不同融合方法,以全面捕捉实体背景知识交互,并联合决策学习,旨在结合不同多模态融合方法提供的互补信息,以获取实体丰富多样的表示;为充分融合知识图谱结构信息,利用特征泛化来缓解二维卷积模型的过拟合问题,并结合特征重塑增强实体与关系间交互,以提升实体与关系间的上下文感知能力.实验结果表明,该模型在多个公开数据集上均取得较好性能.
Keyword ：
决策学习 决策学习 多模态融合 多模态融合 本体信息 本体信息 知识图谱补全 知识图谱补全 结构信息 结构信息
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | 叶志鸿 , 吴运兵 , 戴思翀 et al. 多级融合知识图谱补全模型 [J]. | 计算机科学与探索 , 2025 , 19 (3) : 724-737 . |
| MLA | 叶志鸿 et al. "多级融合知识图谱补全模型" . | 计算机科学与探索 19 . 3 (2025) : 724-737 . |
| APA | 叶志鸿 , 吴运兵 , 戴思翀 , 曾智宏 . 多级融合知识图谱补全模型 . | 计算机科学与探索 , 2025 , 19 (3) , 724-737 . |
| Export to | NoteExpress RIS BibTex |
Version ：
Abstract ：
Potential drug-drug interactions (DDI) can lead to adverse drug reactions (ADR), and DDI prediction can help pharmacy researchers detect harmful DDI early. However, existing DDI prediction methods fall short in fully capturing drug information. They typically employ a single-view input, focusing solely on drug features or drug networks. Moreover, they rely exclusively on the final model layer for predictions, overlooking the nuanced information present across various network layers. To address these limitations, we propose a multi-scale dual-view fusion (MSDF) method for DDI prediction. More specifically, MSDF first constructs two views, topological and feature views of drugs, as model inputs. Then a graph convolutional neural network is used to extract the feature representations from each view. On top of that, a multi-scale fusion module integrates information across different graph convolutional layers to create comprehensive drug embeddings. The embeddings from the two views are summed as the final representation for classification. Experiments on two real-world datasets demonstrate that MSDF achieves higher accuracy than state-of-the-art methods, as the dual-view, multi-scale approach better captures drug characteristics.
Keyword ：
drug drug interaction prediction drug drug interaction prediction graph features represent learning graph features represent learning graph neural network graph neural network multi-class classification multi-class classification multi-scale fusion multi-scale fusion
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | Pan, Dawei , Lu, Ping , Wu, Yunbing et al. Prediction of multiple types of drug interactions based on multi-scale fusion and dual-view fusion [J]. | FRONTIERS IN PHARMACOLOGY , 2024 , 15 . |
| MLA | Pan, Dawei et al. "Prediction of multiple types of drug interactions based on multi-scale fusion and dual-view fusion" . | FRONTIERS IN PHARMACOLOGY 15 (2024) . |
| APA | Pan, Dawei , Lu, Ping , Wu, Yunbing , Kang, Liping , Huang, Fengxin , Lin, Kaibiao et al. Prediction of multiple types of drug interactions based on multi-scale fusion and dual-view fusion . | FRONTIERS IN PHARMACOLOGY , 2024 , 15 . |
| Export to | NoteExpress RIS BibTex |
Version ：
Abstract ：
针对现有多模态讽刺解释模型在融合过程中仅关注图像中的细粒度特征信息,使得模型存在解释效果不佳、多模态特征难以融合等问题,本文设计了一种基于双流残差注意力的多模态融合机制.首先,本文采用了 BART和VGG19模型分别提取文本和图像两种模态特征.其次,模型经过两路多头注意力引导,分别关注图像和文本的细粒度信息,考虑到单纯的多头自注意力不能很好学习图文间的关联信息,采用二次注意力模块(AOA)合理分配特征权重.最后,本文将多模态特征拼接融合后输入BART解码器中进行讽刺解释.模型在公开的数据集MORE上的实验结果表明,相较于ExMore模型,本文模型在METEOR和ROUGE-L评价指标上分别提升了 4.35％、3.39％.实验结果表明本文模型能更好融合模态特征,从而显著地提升模型解释的效果.
Keyword ：
多模态 多模态 注意力机制 注意力机制 深度学习 深度学习 自然语言处理 自然语言处理 讽刺解释 讽刺解释
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | 吴运兵 , 曾炜森 , 高航 et al. 基于双流残差融合的多模态讽刺解释研究 [J]. | 小型微型计算机系统 , 2024 , 45 (11) : 2628-2635 . |
| MLA | 吴运兵 et al. "基于双流残差融合的多模态讽刺解释研究" . | 小型微型计算机系统 45 . 11 (2024) : 2628-2635 . |
| APA | 吴运兵 , 曾炜森 , 高航 , 阴爱英 , 廖祥文 . 基于双流残差融合的多模态讽刺解释研究 . | 小型微型计算机系统 , 2024 , 45 (11) , 2628-2635 . |
| Export to | NoteExpress RIS BibTex |
Version ：
Abstract ：
信息传播预测旨在分析信息传播网络或社交媒体中信息扩散的规律,以理解和预测信息的传播过程.现有工作主要关注用户群体关系中的社交关系和动态影响关系,忽略了群体关系中用户间相似性关系和个体关系中内在因素对用户转发信息的影响.为此,提出了融合用户关系表示和信息传播拓扑特征的信息传播预测模型,从群体关系和个体关系两个层面分析用户受信息影响的可能性.在群体关系层面,构建用户共现次数图来学习用户相似性关系表示,随后融合了用户关系表示和信息传播拓扑特征来更全面地捕捉群体关系;在个体关系层面,融合了用户个体特征表示和影响因素向量,以捕捉不同的内在因素对刺激用户转发信息的影响.实验结果表明,该模型在两个公开数据集上性能均有提升,在Memetracker数据集上MAP@k和hits@k评价指标分别平均提升了6.54%和2.75%.
Keyword ：
信息传播预测 信息传播预测 共同兴趣 共同兴趣 拓扑结构 拓扑结构 相似性 相似性
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | 吴运兵 , 高航 , 曾炜森 et al. 融合用户关系表示和信息传播拓扑特征的信息传播预测 [J]. | 计算机科学与探索 , 2024 , 18 (10) : 2738-2749 . |
| MLA | 吴运兵 et al. "融合用户关系表示和信息传播拓扑特征的信息传播预测" . | 计算机科学与探索 18 . 10 (2024) : 2738-2749 . |
| APA | 吴运兵 , 高航 , 曾炜森 , 阴爱英 . 融合用户关系表示和信息传播拓扑特征的信息传播预测 . | 计算机科学与探索 , 2024 , 18 (10) , 2738-2749 . |
| Export to | NoteExpress RIS BibTex |
Version ：
Abstract ：
共情回复生成旨在理解对话中用户的经历与感受并表达出合理的回复.心理学理论认为,角色是人格的外在表现,与共情密切相关.然而,现有工作主要关注共情的认知因素和情绪因素,忽略有益于共情的角色因素,导致缺少个性化的共情回复.为了解决该问题,文中提出角色增强的共情回复生成模型(Persona-Enhanced Empathetic Response Generation Model,PERG).首先,为了有效利用角色信息,提出角色增强编码模块,通过编码器捕获上下文、情境及角色信息的深层语义关系,结合上下文和情境筛选角色信息,提升模型对说话者与回应者角色的理解,增强共情能力.然后,在角色调控解码模块中,设计基于多解码器融合的调控机制,有效结合角色信息,调节上下文和情境对共情回复的影响,生成高度个性化的共情回复.在公开的共情回复EmpatheticDialogues数据集上的实验表明,PERG在多个指标上均取得较优值.
Keyword ：
共情回复 共情回复 对话系统 对话系统 自然语言处理 自然语言处理 角色增强 角色增强 角色调控 角色调控
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | 吴运兵 , 叶成龙 , 阴爱英 et al. 角色增强的共情回复生成 [J]. | 模式识别与人工智能 , 2024 , 37 (12) : 1043-1055 . |
| MLA | 吴运兵 et al. "角色增强的共情回复生成" . | 模式识别与人工智能 37 . 12 (2024) : 1043-1055 . |
| APA | 吴运兵 , 叶成龙 , 阴爱英 , 陈开志 , 杨州 . 角色增强的共情回复生成 . | 模式识别与人工智能 , 2024 , 37 (12) , 1043-1055 . |
| Export to | NoteExpress RIS BibTex |
Version ：
Abstract ：
Empathetic response generation aims to generate empathetic responses by understanding the speaker's emotional feelings from the language of dialogue. Recent methods capture emotional words in the language of communicators and construct them as static vectors to perceive nuanced emotions. However, linguistic research has shown that emotional words in language are dynamic and have correlations with other grammar semantic roles, i.e., words with semantic meanings, in grammar. Previous methods overlook these two characteristics, which easily lead to misunderstandings of emotions and neglect of key semantics. To address this issue, we propose a dynamical Emotion-Semantic Correlation Model (ESCM) for empathetic dialogue generation tasks. ESCM constructs dynamic emotion-semantic vectors through the interaction of context and emotions. We introduce dependency trees to reflect the correlations between emotions and semantics. Based on dynamic emotion-semantic vectors and dependency trees, we propose a dynamic correlation graph convolutional network to guide the model in learning context meanings in dialogue and generating empathetic responses. Experimental results on the EMPATHETIC-DIALOGUES dataset show that ESCM understands semantics and emotions more accurately and expresses fluent and informative empathetic responses. Our analysis results also indicate that the correlations between emotions and semantics are frequently used in dialogues, which is of great significance for empathetic perception and expression. © 2023 Association for Computational Linguistics.
Keyword ：
Behavioral research Behavioral research Computational linguistics Computational linguistics Semantics Semantics Trees (mathematics) Trees (mathematics)
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | Yang, Zhou , Ren, Zhaochun , Wang, Yufeng et al. Exploiting Emotion-Semantic Correlations for Empathetic Response Generation [C] . 2023 : 4826-4837 . |
| MLA | Yang, Zhou et al. "Exploiting Emotion-Semantic Correlations for Empathetic Response Generation" . (2023) : 4826-4837 . |
| APA | Yang, Zhou , Ren, Zhaochun , Wang, Yufeng , Zhu, Xiaofei , Chen, Zhihao , Cai, Tiecheng et al. Exploiting Emotion-Semantic Correlations for Empathetic Response Generation . (2023) : 4826-4837 . |
| Export to | NoteExpress RIS BibTex |
Version ：
Abstract ：
现有信息传播预测方法对级联序列和拓扑结构独立建模,难以学习级联时序特征和结构特征在嵌入空间的交互表达,造成对信息传播动态演化的刻画不足.因此,文中提出基于级联时空特征的信息传播预测方法.基于社交关系网络和传播路径构建异质图,使用图神经网络学习异质图和社交关系网络节点的结构上下文,引入门控循环单元提取级联时序特征,融合结构上下文和时序特征,构建级联时空特征,进行信息传播的微观预测.在Twit-ter、Memes数据集上的实验表明,文中方法性能得到一定提升.
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | 梁少斌 , 陈志豪 , 魏晶晶 et al. 基于级联时空特征的信息传播预测方法 [J]. | 模式识别与人工智能 , 2021 , 34 (11) : 969-978 . |
| MLA | 梁少斌 et al. "基于级联时空特征的信息传播预测方法" . | 模式识别与人工智能 34 . 11 (2021) : 969-978 . |
| APA | 梁少斌 , 陈志豪 , 魏晶晶 , 吴运兵 , 廖祥文 . 基于级联时空特征的信息传播预测方法 . | 模式识别与人工智能 , 2021 , 34 (11) , 969-978 . |
| Export to | NoteExpress RIS BibTex |
Version ：
Abstract ：
现有信息传播预测方法对级联序列和拓扑结构独立建模,难以学习级联时序特征和结构特征在嵌入空间的交互表达,造成对信息传播动态演化的刻画不足.因此,文中提出基于级联时空特征的信息传播预测方法.基于社交关系网络和传播路径构建异质图,使用图神经网络学习异质图和社交关系网络节点的结构上下文,引入门控循环单元提取级联时序特征,融合结构上下文和时序特征,构建级联时空特征,进行信息传播的微观预测.在Twitter、Memes数据集上的实验表明,文中方法性能得到一定提升.
Keyword ：
传播预测 传播预测 信息级联 信息级联 图神经网络 图神经网络 循环神经网络 循环神经网络 时空特征 时空特征
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | 梁少斌 , 陈志豪 , 魏晶晶 et al. 基于级联时空特征的信息传播预测方法 [J]. | 模式识别与人工智能 , 2021 , 34 (11) : 969-978 . |
| MLA | 梁少斌 et al. "基于级联时空特征的信息传播预测方法" . | 模式识别与人工智能 34 . 11 (2021) : 969-978 . |
| APA | 梁少斌 , 陈志豪 , 魏晶晶 , 吴运兵 , 廖祥文 . 基于级联时空特征的信息传播预测方法 . | 模式识别与人工智能 , 2021 , 34 (11) , 969-978 . |
| Export to | NoteExpress RIS BibTex |
Version ：
Abstract ：
Itinerary planning that provides tailor-made tours for each traveler is a fundamental yet inefficient task in route recommendation. In this paper, we propose an automatic route recommendation approach with deep reinforcement learning to solve the itinerary planning problem. We formulate automatic generation of route recommendation as Markov Decision Process (MDP) and then solve it by our variational agent optimized through deep Q-learning algorithm. We train our agent using open data over various cities and show that the agent accomplishes notable improvement in comparison with other state-of-the-art methods. © 2020 ACM.
Keyword ：
Deep learning Deep learning Learning algorithms Learning algorithms Markov processes Markov processes Open Data Open Data Reinforcement learning Reinforcement learning
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | Chen, Shengxin , Chen, Bo-Hao , Chen, Zhaojiong et al. Itinerary planning via deep reinforcement learning [C] . 2020 : 286-290 . |
| MLA | Chen, Shengxin et al. "Itinerary planning via deep reinforcement learning" . (2020) : 286-290 . |
| APA | Chen, Shengxin , Chen, Bo-Hao , Chen, Zhaojiong , Wu, Yunbing . Itinerary planning via deep reinforcement learning . (2020) : 286-290 . |
| Export to | NoteExpress RIS BibTex |
Version ：
Abstract ：
现有的视角级情感分析方法难以解决单词在不同语境下"一词多义"问题,因此性能受限.针对上述问题,文中提出基于知识图谱与循环注意力网络的视角级情感分析方法.首先,利用动态注意力机制,结合双向长短时记忆网络的文本表示和知识图谱中的同义词信息,获得知识感知状态向量.再联合位置信息构造记忆内容,并输入多层门限循环单元,计算视角词情感特征,进行视角级文本情感分类.在3个公开数据集上的实验表明,文中方法分类效果较优.
Keyword ：
注意力机制 注意力机制 深度学习 深度学习 知识图谱 知识图谱 视角级情感分析 视角级情感分析
Cite：
Copy from the list or Export to your reference management。
| GB/T 7714 | 邓立明 , 魏晶晶 , 吴运兵 et al. 基于知识图谱与循环注意力网络的视角级情感分析 [J]. | 模式识别与人工智能 , 2020 , 33 (6) : 479-487 . |
| MLA | 邓立明 et al. "基于知识图谱与循环注意力网络的视角级情感分析" . | 模式识别与人工智能 33 . 6 (2020) : 479-487 . |
| APA | 邓立明 , 魏晶晶 , 吴运兵 , 余小燕 , 廖祥文 . 基于知识图谱与循环注意力网络的视角级情感分析 . | 模式识别与人工智能 , 2020 , 33 (6) , 479-487 . |
| Export to | NoteExpress RIS BibTex |
Version ：
Export
| Results： |
Selected to |
| Format： |
