检索结果-内蒙古大学图书馆

数据分析与知识发现 2020年第1期4卷 63-75页

作者：余传明李浩男王曼怡黄婷婷安璐中南财经政法大学信息与安全工程学院武汉430073 中南财经政法大学统计与数学学院武汉430073 武汉大学信息管理学院武汉430072

【目的】从知识网络视角探究如何更好地表示知识对象的语义关系。【方法】在已有网络表示学习算法的基础上,借助于集成学习和深度学习思想,提出组合式知识网络表示学习模型(Combined Knowledge Network Representation Learning,CKNRL)... 详细信息

【目的】从知识网络视角探究如何更好地表示知识对象的语义关系。【方法】在已有网络表示学习算法的基础上,借助于集成学习和深度学习思想,提出组合式知识网络表示学习模型(Combined Knowledge Network Representation Learning,CKNRL)。【结果】在中英文新闻平行语料的知识网络链接预测任务上,CKNRL模型的AUC取值为0.929,高于单一的网络表示算法DeepWalk(0.925)、Node2Vec(0.926)和SDNE(0.899),验证了CKNRL模型的有效性。【局限】实证研究仅建立在共词网络的基础上,尚未检验CKNRL模型在更多类型的知识网络链接预测中的效果。【结论】通过建立融合模型能够更好地表示知识对象之间的语义关系。

关键词：知识表示深度学习网络表示学习链接预测

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的热点事件主题表示研究

引用

数据分析与知识发现 2020年第4期4卷 1-14页

作者：余传明原赛朱星宇林虹君张普亮安璐中南财经政法大学信息与安全工程学院武汉430073 中南财经政法大学统计与数学学院武汉430073 武汉大学信息管理学院武汉430072

【目的】探究如何针对热点事件进行主题表示学习,检验主题表示模型在主题分类和主题相关度等任务上的效果。【方法】融合LDA2Vec方法构建主题表示学习模型W-LDA2Vec,通过联合训练初始化后的文档向量和词向量以预测中枢词的上下文向量,... 详细信息

【目的】探究如何针对热点事件进行主题表示学习,检验主题表示模型在主题分类和主题相关度等任务上的效果。【方法】融合LDA2Vec方法构建主题表示学习模型W-LDA2Vec,通过联合训练初始化后的文档向量和词向量以预测中枢词的上下文向量,获得含有主题信息的词表示和包含上下文信息的主题表示。【结果】在热点事件主题分类任务上,本文模型取得了最高的F1值(0.893),较4种基线模型LDA、Word2Vec、TEWV和Doc2Vec分别提升0.314、0.057、0.022和0.013;在热点事件主题相关度任务上,当主题数为10时,本文模型取得了较高的相关性分数(0.462 5),较LDA模型提高0.067 8。【局限】实验语料库仅限于中英文两种语言。【结论】本文方法通过将主题信息嵌入到词表示、文档表示中,能够有效提升在热点事件主题分类和主题相关度等任务上的效果。

关键词：知识表示主题表示主题模型热点事件深度学习

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的词汇表示模型对比研究

引用

数据分析与知识发现 2020年第8期4卷 28-40页

作者：余传明王曼怡林虹君朱星宇黄婷婷安璐中南财经政法大学信息与安全工程学院武汉430073 中南财经政法大学统计与数学学院武汉430073 武汉大学信息管理学院武汉430072

【目的】系统揭示传统深度表示模型与最新预训练模型的原理,探究其在文本挖掘任务中的效果差异。【方法】采用对比研究法,从模型侧和实验侧分别比较传统模型与最新模型在CR、MR、MPQA、Subj、SST-2和TREC六个数据集上的效果差异。【结... 详细信息

【目的】系统揭示传统深度表示模型与最新预训练模型的原理,探究其在文本挖掘任务中的效果差异。【方法】采用对比研究法,从模型侧和实验侧分别比较传统模型与最新模型在CR、MR、MPQA、Subj、SST-2和TREC六个数据集上的效果差异。【结果】在六个任务中,XLNet模型取得了最高的平均F1值(0.9186),优于ELMo(0.8090)、BERT(0.8983)、Word2Vec(0.7692)、GloVe(0.7576)和FastText(0.7506)。【局限】由于篇幅限制,实证研究以文本挖掘中的分类任务为主,尚未比较词汇表示学习方法在机器翻译、问答等其他任务中的效果。【结论】传统深度表示学习模型与最新预训练模型在文本挖掘任务中的表现存在较大差异。

关键词：词汇表示学习知识表示深度学习文本挖掘

来源：评论

学校读者我要写书评

暂无评论

基于生成对抗网络的跨语言文本情感分析

引用

情报理论与实践 2019年第11期42卷 135-141页

作者：余传明王峰胡莎莎安璐中南财经政法大学信息与安全工程学院湖北武汉430073 武汉大学信息管理学院湖北武汉430072

[目的/意义]将跨语言文本情感分析分为跨语言向量对齐、文档向量生成和分类器迁移三个模块,探究不同模块对跨语言文本情感分析效果的影响。[方法/过程]选择亚马逊在书籍、音乐和DVD类目下的商品评论作为实验数据,首先采用生成对抗网络... 详细信息

[目的/意义]将跨语言文本情感分析分为跨语言向量对齐、文档向量生成和分类器迁移三个模块,探究不同模块对跨语言文本情感分析效果的影响。[方法/过程]选择亚马逊在书籍、音乐和DVD类目下的商品评论作为实验数据,首先采用生成对抗网络对源语言和目标语言进行语义映射,然后使用平均法获取文档向量,最后通过支持向量机进行情感分类。[结果/结论]当使用F1值作为评价指标时,与基线方法相比,本文所提出的跨语言情感分析方法受领域和语言变化的影响较小,具有较强的鲁棒性,在整体上取得了较高的准确率。实验结果表明跨语言情感分析方法能够有效应对目标语言标注语料资源匮乏问题,从而改善情感分类准确率。[局限]只在三种语言上进行了跨语言情感分析实验,后续将在更多的语言情境下探究本文方法的效果。

关键词：跨语言情感分析生成对抗网络神经网络模型支持向量机

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：