Page 52 - 2024年第55卷第8期

ｒｅｇｕｌａｔｏｒｙｋｎｏｗｌｅｄｇｅｇｒａｐｈ［Ｊ］．ＡｒＸｉｖ，２０２３．ｄｏｉ：１０．４８５５０?ａｒｘｉｖ．２３０２．０１８４２．
［１６］ ＫＵＲＡＴＡＧ，ＸＩＡＮＧＢ，ＺＨＯＵＢ．Ｉｍｐｒｏｖｅｄｎｅｕｒａｌｎｅｔｗｏｒｋ － ｂａｓｅｄｍｕｌｔｉ － ｌａｂｅｌｃｌａｓｓｉｆｉｃａｔｉｏｎｗｉｔｈｂｅｔｔｅｒｉｎｉｔｉａｌｉｚａ
ｔｉｏｎｌｅｖｅｒａｇｉｎｇｌａｂｅｌｃｏ － ｏｃｃｕｒｒｅｎｃｅ［Ｃ］??Ｐｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅ２０１６ＣｏｎｆｅｒｅｎｃｅｏｆｔｈｅＮｏｒｔｈＡｍｅｒｉｃａｎＣｈａｐｔｅｒｏｆｔｈｅ
ＡｓｓｏｃｉａｔｉｏｎｆｏｒＣｏｍｐｕｔａｔｉｏｎａｌＬｉｎｇｕｉｓｔｉｃｓ：ＨｕｍａｎＬａｎｇｕａｇｅＴｅｃｈｎｏｌｏｇｉｅｓ．２０１６．
［１７］ ＺＨＡＮＧＷ，ＹＡＮＪ，ＷＡＮＧＸ，ｅｔａｌ．Ｄｅｅｐｅｘｔｒｅｍｅｍｕｌｔｉ － ｌａｂｅｌｌｅａｒｎｉｎｇ［Ｃ］??Ｐｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅ２０１８ＡＣＭ ｏｎ
ＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＭｕｌｔｉｍｅｄｉａＲｅｔｒｉｅｖａｌ．２０１８．
［１８］ 肖琳，陈博理，黄鑫，等．基于标签语义注意力的多标签文本分类［Ｊ］．软件学报，２０２０，３１（４）：１０７９ －
１０８９．
［１９］ ＭＡＹ，ＣＡＯＹ，ＨＯＮＧＹＣ，ｅｔａｌ．Ｌａｒｇｅｌａｎｇｕａｇｅｍｏｄｅｌｉｓｎｏｔａｇｏｏｄｆｅｗ － ｓｈｏｔｉｎｆｏｒｍａｔｉｏｎｅｘｔｒａｃｔｏｒ，ｂｕｔａ
ｇｏｏｄｒｅｒａｎｋｅｒｆｏｒｈａｒｄｓａｍｐｌｅｓ ！［Ｃ］??ＥＭＮＬＰ２０２３Ｆｉｎｄｉｎｇｓ．２０２３．
［２０］ ＬＵＹ，ＬＩＵＱ，ＤＡＩＤ，ｅｔａｌ．Ｕｎｉｆｉｅｄｓｔｒｕｃｔｕｒｅｇｅｎｅｒａｔｉｏｎｆｏｒｕｎｉｖｅｒｓａｌｉｎｆｏｒｍａｔｉｏｎｅｘｔｒａｃｔｉｏｎ［Ｃ］??Ｐｒｏｃｅｅｄｉｎｇｓｏｆ
ｔｈｅ６０ｔｈＡｎｎｕａｌＭｅｅｔｉｎｇｏｆｔｈｅＡｓｓｏｃｉａｔｉｏｎｆｏｒＣｏｍｐｕｔａｔｉｏｎａｌＬｉｎｇｕｉｓｔｉｃｓ（Ｖｏｌｕｍｅ１：ＬｏｎｇＰａｐｅｒｓ）．２０２２．
［２１］ ＺＥＮＧＡ，ＬＩＵＸ，ＤＵＺ，ｅｔａｌ．ＧＬＭ－ １３０Ｂ：ＡｎｏｐｅｎｂｉｌｉｎｇｕａｌＰｒｅ － ｔｒａｉｎｅｄｍｏｄｅｌ［Ｃ］??ＴｈｅＥｌｅｖｅｎｔｈＩｎｔｅｒｎａ
ｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＬｅａｒｎｉｎｇＲｅｐｒｅｓｅｎｔａｔｉｏｎｓ．２０２２．
［２２］ ＴＡＮＧＨ，ＦＥＮＧＪ，ＺＨＯＵＳ．Ｇｅｎｅｒｉｃｏｎｔｏｌｏｇｉｅｓｆｏｒｄｉｇｉｔａｌｗａｔｅｒｓｈｅｄｓ［Ｃ］??Ｐｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅ４ｔｈＩｎｔｅｒｎａｔｉｏｎａｌ
ＣｏｎｆｅｒｅｎｃｅｏｎＢｉｇＤａｔａＥｃｏｎｏｍｙａｎｄＩｎｆｏｒｍａｔｉｏｎＭａｎａｇｅｍｅｎｔ．２０２３．
［２３］ ＳＵＮＹ，ＷＡＮＧＳ，ＦＥＮＧＳ，ｅｔａｌ．ＥＲＮＩＥ３．０：Ｌａｒｇｅ － ｓｃａｌｅｋｎｏｗｌｅｄｇｅｅｎｈａｎｃｅｄｐｒｅ － ｔｒａｉｎｉｎｇｆｏｒｌａｎｇｕａｇｅｕｎ
ｄｅｒｓｔａｎｄｉｎｇａｎｄｇｅｎｅｒａｔｉｏｎ ［Ｊ］．ＡｒＸｉｖ，２０２１．ｄｏｉ：１０．４８５５０?ａｒｘｉｖ．２１１２．１２７３１．

ＬａｂｅｌｄｅｓｉｇｎｍｅｔｈｏｄｆｏｒｆｌｏｏｄｃｏｎｔｒｏｌｓｃｈｅｄｕｌｉｎｇｒｕｌｅｓａｓｓｉｓｔｅｄｂｙＬＬＭ

３
１，２
１，２
１，２
１，２
３
ＦＥＮＧＪｕｎ ，ＬＺｈｉｐｅｎｇ ，ＦＡＮＺｈｅｎｄｏｎｇ，ＫＯＮＧＸｕ，ＬＵＪｉａｍｉｎ ，ＺＨＯＵＳｉｙｕａｎ
（１．ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＷａｔｅｒＢｉｇＤａｔａＴｅｃｈｎｏｌｏｇｙｏｆＭｉｎｉｓｔｒｙｏｆＷａｔｅｒＲｅｓｏｕｒｃｅｓ，ＨｏｈａｉＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ ２１１１００，Ｃｈｉｎａ；
２．ＣｏｌｌｅｇｅｏｆＣｏｍｐｕｔｅｒａｎｄＳｏｆｔｗａｒｅ，ＨｏｈａｉＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ ２１１１００，Ｃｈｉｎａ；
３．ＰｏｗｅｒＣｈｉｎａＨｕａｄｏｎｇＥｎｇｉｎｅｅｒｉｎｇＣｏｒｐｏｒａｔｉｏｎＬｉｍｉｔｅｄ，Ｈａｎｇｚｈｏｕ ３１１１２２，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｔｈｅｉｎｆｏｒｍａｔｉｏｎｅｘｔｒａｃｔｉｏｎｏｆｆｌｏｏｄｃｏｎｔｒｏｌｄｉｓｐａｔｃｈｉｎｇｒｕｌｅｓｉｓｏｆｇｒｅａｔｓｉｇｎｉｆｉｃａｎｃｅｆｏｒｆｌｏｏｄｃｏｎｔｒｏｌｄｉｓ
ｐａｔｃｈｉｎｇａｕｔｏｍａｔｉｏｎ ，ａｎｄｔｈｅｄｅｓｉｇｎｏｆｌａｂｅｌｉｎｇｓｙｓｔｅｍｓｉｓｐｉｖｏｔａｌｆｏｒｉｎｆｏｒｍａｔｉｏｎｅｘｔｒａｃｔｉｏｎ．Ｔｒａｄｉｔｉｏｎａｌｄｅｓｉｇｎｓｏｆ
ｔｅｎｈａｖｅｃｏｍｐｒｅｈｅｎｓｉｏｎｂｉａｓｅｓａｎｄｏｍｉｓｓｉｏｎｓ ，ｌｅａｄｉｎｇｔｏｉｓｓｕｅｓｌｉｋｅｏｖｅｒｇｅｎｅｒａｌｉｚａｔｉｏｎａｎｄｉｎｃｏｍｐｌｅｔｅｎｅｓｓ．Ａｄ
ｄｒｅｓｓｉｎｇｔｈｅｓｅｉｍｐｅｒｆｅｃｔｉｏｎｓ ，ｔｈｉｓｒｅｓｅａｒｃｈｅｍｐｈａｓｉｚｅｓｔｈｅｅｘｔｒａｃｔｉｏｎｏｆｒｕｌｅｓｉｎｆｌｏｏｄｓｃｈｅｄｕｌｉｎｇｔｅｘｔｓ，ｐｒｏｐｏｓｉｎｇ
ａｎｅｎｈａｎｃｅｄａｐｐｒｏａｃｈｆｏｒｌａｂｅｌｉｎｇｏｐｔｉｍｉｚａｔｉｏｎ．ＬａｒｇｅＬａｎｇｕａｇｅＭｏｄｅｌｓ （ＬＬＭ）ａｒｅｕｔｉｌｉｚｅｄｆｏｒｔａｓｋｓｌｉｋｅｌａｂｅｌｒｅｆｉｎｅ
ｍｅｎｔａｎｄｇｅｎｅｒａｔｉｏｎ ，ｂｏｏｓｔｉｎｇｌａｂｅｌｐｒｅｃｉｓｉｏｎａｎｄｃｌａｒｉｔｙ，ａｎｄａｔｅｃｈｎｉｑｕｅｆｏｒｅｘｔｒａｃｔｉｎｇｅｎｔｉｔｙｒｅｌａｔｉｏｎｓｈｉｐｔｒｉｐｌｅｔｓ
ｉｓａｌｓｏｐｒｅｓｅｎｔｅｄｆｏｒｄａｔａｓｅｔｓｗｉｔｈｍａｎｙｌａｂｅｌｓ．Ｇｒｏｕｐｉｎｇｔｈｅｓｅｔｒｉｐｌｅｔｓｅｎｈａｎｃｅｓｅｘｔｒａｃｔｉｏｎｐｅｒｆｏｒｍａｎｃｅｉｎｌａｂｅｌ －
ｒｉｃｈｄａｔａｓｅｔｓ．ＡｖｉｓｕａｌｋｎｏｗｌｅｄｇｅｇｒａｐｈｆｏｒｆｌｏｏｄｃｏｎｔｒｏｌｓｃｈｅｄｕｌｉｎｇｕｓｉｎｇＮｅｏ４ｊｉｓａｌｓｏｄｅｖｅｌｏｐｅｄ．Ｔｈｉｓｒｅｓｅａｒｃｈ
ｏｆｆｅｒｓｆｏｕｎｄａｔｉｏｎａｌｉｎｓｉｇｈｔｓｆｏｒｆｕｔｕｒｅｗｏｒｋｉｎｆｌｏｏｄｃｏｎｔｒｏｌｓｃｈｅｄｕｌｉｎｇｋｎｏｗｌｅｄｇｅｅｘｔｒａｃｔｉｏｎ．
Ｋｅｙｗｏｒｄｓ：ｋｎｏｗｌｅｄｇｅｅｘｔｒａｃｔｉｏｎ；ｌａｂｅｌｄｅｓｉｇｎ；ｆｌｏｏｄｃｏｎｔｒｏｌｓｃｈｅｄｕｌｉｎｇ；ｋｎｏｗｌｅｄｇｅｇｒａｐｈ；ｎａｔｕｒａｌｌａｎｇｕａｇｅ
ｐｒｏｃｅｓｓｉｎｇ

（责任编辑：耿庆斋）

— ９ ３ —
０