2022年, 第35卷, 第9期　刊出日期：2022-09-25

  

• 全选
  |

综述与评论
• Select
  “人-机结合”的综合集成研讨体系

  郑楠, 章颂, 戴汝为

  模式识别与人工智能. 2022, 35(9): 767-773. https://doi.org/10.16451/j.cnki.issn1003-6059.202209001

  PDF全文 ( ) HTML ( ) 可视化 收藏

  “综合集成研讨体系”属于系统科学的基础理论层次,是开放的复杂巨系统的方法论,同时也是思维科学的一项应用技术,属于思维科学的工程应用层次,是系统科学与思维科学交叉发展产生的原创性成果.文中从系统科学和思维科学两方面阐述综合集成研讨体系提出的理论背景.从思维与智能的进化角度,提出人-机结合的三个层次.从思维科学的视角,探究了“综合集成研讨厅”平台提升思维能力、实现“人-机智能”增强的途径,试图对复杂问题求解和人-机融合智能共进有所启示.综合集成研讨体系对群体思维、机器智能和知识体系综合运用,激发个体思维→个体智慧→群体智慧→社会智慧的演进过程.从思维科学、信息科学与技术、网络技术结合的智能科学,到体现人文科学与自然科学相互交叉与融合的社会智能科学,这一历程中渗透着钱学森前瞻性的科学思想与博大精深的智慧.
“粒计算与知识获取”专题
• Select
  模糊语言属性偏序结构图的逐层属性约简算法

  庞阔, 周爱, 杨鑫冉, 李楠, 邹丽, 鲁明羽

  模式识别与人工智能. 2022, 35(9): 774-788. https://doi.org/10.16451/j.cnki.issn1003-6059.202209002

  PDF全文 ( ) HTML ( ) 可视化 收藏

  在形式概念分析中,属性偏序结构图作为一种数据可视化工具,可有效解决用户认知过载的问题.在现实生活中,人们往往通过模糊语言值表达偏好信息,会产生大量的模糊语言值数据.为了解决在模糊语言环境下的属性约简问题,文中提出模糊语言属性偏序结构图的逐层属性约简算法.首先,基于模糊语言值形式背景构建模糊语言属性偏序结构图,将模糊语言值数据嵌入属性偏序结构图中.通过语言真值格蕴涵代数作为模糊语言值表示模型,表达模糊语言值间的序关系和不可比关系.然后,为了获取保持模糊语言值形式背景区分能力不变的最小属性子集,结合模糊语言值属性偏序结构图,搜索未与底层节点建立边的节点.在保证模糊语言值属性偏序结构图类等价的前提下,计算该节点及其子节点间的差别属性,并构造相应的逐层属性约简模型.最后,通过实例与对比实验验证文中算法的有效性和实用性.
• Select
  协调广义决策多尺度序信息系统的知识获取

  张嘉茹 , 吴伟志, 杨烨

  模式识别与人工智能. 2022, 35(9): 789-804. https://doi.org/10.16451/j.cnki.issn1003-6059.202209003

  PDF全文 ( ) HTML ( ) 可视化 收藏

  决策多尺度信息系统是一类特殊的数据集,系统中的每个对象无论在条件属性集上还是在决策属性上都可取多个尺度的标记值,并且从细粒度标记属性值到粗粒度标记属性值有一个信息粒度变换.文中针对广义决策多尺度序信息系统的知识获取问题展开研究.首先,引入尺度选择概念,一个尺度选择对应一个单尺度的序决策系统,并将优势关系引入广义决策多尺度信息系统,给出在不同尺度选择下对象集的优势类和集合的下近似和上近似的定义及其性质.然后,在协调广义决策多尺度序信息系统中定义5种最优尺度选择的概念,证明实际上只有2种不同类型的最优尺度选择,即最优尺度选择、下近似最优尺度选择、信任最优尺度选择是等价的,而上近似最优尺度选择与似然最优尺度也是等价的.最后,给出协调广义决策多尺度序信息系统的辨识矩阵约简方法,并在最优尺度选择基础上给出蕴含在协调广义决策多尺度序信息系统中的序决策规则.
• Select
  基于双空间模糊邻域相似关系的多标记特征选择

  徐久成, 申凯丽

  模式识别与人工智能. 2022, 35(9): 805-815. https://doi.org/10.16451/j.cnki.issn1003-6059.202209004

  PDF全文 ( ) HTML ( ) 可视化 收藏

  针对基于粗糙集的大部分多标记特征选择方法存在的忽略样本的模糊性和邻域关系、手动设置邻域半径、从单一的样本空间度量属性重要度等问题,文中利用模糊邻域粗糙集弥补经典粗糙集的不足,并在此基础上从特征空间和标记空间出发,提出基于双空间模糊邻域相似关系的多标记特征选择算法.首先,设计自适应邻域半径的计算方法,构建特征空间下样本的模糊邻域相似矩阵.再根据模糊邻域相似关系,得出特征空间下的样本相似度及标记空间下的样本相似度.然后,通过权重将特征空间和标记空间上的样本相似度进行融合,基于融合后的度量计算属性重要度.最后,运用前向贪心算法构建多标记特征选择算法.在12个多标记数据集上的对比实验验证文中算法的有效性.
• Select
  基于决策重要度的概念认知学习模型

  王启君, 林艺东, 林梦雷, 寇毅

  模式识别与人工智能. 2022, 35(9): 816-826. https://doi.org/10.16451/j.cnki.issn1003-6059.202209005

  PDF全文 ( ) HTML ( ) 可视化 收藏

  概念认知学习是模拟人类认知过程的概念学习方法,大多从概念相似性的角度出发,往往忽略先验决策信息的影响,造成有效信息的丢失. 因此,文中提取先验决策信息, 刻画决策重要性,提出基于决策重要度的概念认知学习模型,用于动态环境中的概念归类.首先,通过余弦相似度构造邻域粒,探讨概念认知的渐进过程.然后,面对动态环境,考虑到先验决策信息对后续学习的影响,进一步提出决策重要度和置信度,设计概念分类的计算方法.最后,通过仿真实验验证文中模型的有效性和优越性.

• Select
  基于粗糙图的图卷积神经网络算法

  潘柏儒, 丁卫平, 鞠恒荣, 黄嘉爽, 程纯, 沈鑫杰, 耿宇

  模式识别与人工智能. 2022, 35(9): 827-838. https://doi.org/10.16451/j.cnki.issn1003-6059.202209006

  PDF全文 ( ) HTML ( ) 可视化 收藏

  图卷积神经网络在解决节点分类问题时,使用拓扑图刻画节点间关系,并根据该拓扑图进行节点特征更新.然而,传统的拓扑图只能刻画节点之间的确定关系(即连接边权重为固定值),忽略真实世界中广泛存在的不确定性.这些不确定性不仅影响节点之间的关系,同时影响模型最终的分类性能.为了克服该缺陷,文中提出基于粗糙图的图卷积神经网络算法.首先,使用上下近似理论和传统拓扑图的边理论构造粗糙边,在粗糙边中使用成对出现的最大-最小关系值刻画节点之间的不确定关系,从而构建粗糙图.然后,设计基于粗糙图的可端到端训练的神经网络架构,将使用粗糙权重系数训练后的粗糙图输入图卷积神经网络,使用这些不确定信息更新节点特征.最后,根据这些学习的节点特征进行节点分类.在真实数据上的实验表明,文中算法可提高节点分类的准确率.
研究与应用
• Select
  基于Transformer与异质图神经网络的新闻推荐模型

  张玉朋, 李香菊, 李超, 赵中英

  模式识别与人工智能. 2022, 35(9): 839-848. https://doi.org/10.16451/j.cnki.issn1003-6059.202209007

  PDF全文 ( ) HTML ( ) 可视化 收藏

  新闻推荐方法大多假定用户浏览的新闻之间具有很强的时序依赖关系,但新闻具有更新的快速性及用户阅读的自由性等特点,使时序性建模中可能会引入噪音.为了解决此问题,文中提出基于Transformer与异质图神经网络的新闻推荐模型.采用Transformer从用户近期浏览的新闻中对用户的短期兴趣进行建模,通过异质图神经网络捕捉用户和新闻之间的高阶关系,建模用户长期兴趣和候选新闻的表示.同时,为了自适应调整短期兴趣和长期兴趣在用户建模时的重要性,设计用户长短期兴趣感知的点击预测机制.在真实数据集上的对比实验验证文中模型的有效性.
• Select
  基于MPNet预训练和多头注意力特征融合的引文意图分类方法

  祁瑞华, 邵震, 关菁华, 郭旭

  模式识别与人工智能. 2022, 35(9): 849-857. https://doi.org/10.16451/j.cnki.issn1003-6059.202209008

  PDF全文 ( ) HTML ( ) 可视化 收藏

  引文意图自动分类是文献计量领域的重要问题,现有的引文意图分类模型存在对文本特征抽取能力有限、无法融合引文上下文特征和引文外部特征的问题.因此,文中提出基于MPNet预训练和多头注意力特征融合的引文意图分类方法.引入位置补偿结构,改善掩码语言模型与排列语言模型存在的缺陷.联合引文的语法词频特征与引文结构特征,提出适用于引文意图分类任务的特征抽取方法.再引入多头注意力机制进行特征融合,提升分类效果.在ACL-ARC数据集上的实验表明,文中方法在引文意图分类任务上性能较优,同时还具有在不平衡数据上的鲁棒性.

信息与应用
• Select
  弘扬科学家精神 奋力推进中国自动化事业高水平发展——中国自动化学会成立六十周年工作报告

  中国自动化学会理事长 郑南宁

  模式识别与人工智能. 2022, 35(9): 858-862.

  PDF全文 ( ) HTML ( ) 可视化 收藏