检索结果-内蒙古大学图书馆

作者：易惠康国防科技大学

学位级别：硕士

随着网络时代的来临,互联网已成为最重要的信息载体。网络社交媒体中的文本信息量每日剧增,自然语言处理的一个重要目标就是在这些大规模数据中挖掘和理解有价值的信息。在一系列相关应用中(比如机器翻译、知识图谱、人物关系图谱),命... 详细信息

随着网络时代的来临,互联网已成为最重要的信息载体。网络社交媒体中的文本信息量每日剧增,自然语言处理的一个重要目标就是在这些大规模数据中挖掘和理解有价值的信息。在一系列相关应用中(比如机器翻译、知识图谱、人物关系图谱),命名实体识别、实体链接等基础技术都是关键的底层技术。在文档中,命名实体(如人名、地名、公司名,地点等)是基本的信息元素,往往指示了文章的主要内容。命名实体识别的任务就是定位这些有意义的信息,并正确的标识出信息的类别属性。得到实体和实体类别后将结果传递给后续的实体消歧、实体链接工作。因此,命名实体识别是知识图谱构建、信息抽取等领域的基础技术链上最重要的关键环节之一。另外,对于文摘生成,机器翻译等很多自然语言处理任务,命名实体对于文本也有特殊地位。在文摘生成中,填充内容大多是对“谁“、“干什么”、“什么时候”、“在哪里”等问题的回答,其中一些问题刚好对应了人名、地名、时间等实体类别;在在机器翻译中,专有名词(通常为命名实体)往往由于音译(比如人名唐纳德特朗普)、历史文化等的原因更难翻译。中文命名实体识别任务总体和英文是相似的,但因为中文语言本身的特点(词汇大、需要分词、没有大小写等形式特征等),处理上要难于英文。本文探究命名实体识别的几大关键技术点,并着眼于中文文本命名实体识别任务的具体实现进行探究和改进。在研究和实验中:(1)学习和对比当前流行的几个同神经网络结合的命名实体识别框架,探究了lstm等网络在命名实体识别系统中的最佳实践参数;(2)对框架应用于中文语料进行配适和改进,融合字词联合词向量模型,通过提高词向量模型的表达效果一定程度上弥补了中文词汇量大,字词分界不明显所带来的影响;(3)修改和比较了不同的分类器方案和迭代算法并提高了模型训练效率。最终设计实习的针对中文文本处理的神经网络结合条件随机场的命名实体识别模型,实验测试了多个不同的数据集。在不使用任何额外的标注特征和词汇特征的情况下,获得了不错的分类效果,并具有不错的泛化能力。

关键词：命名实体识别双向lstm神经网络字词联合词向量模型条件随机场

来源：评论

学校读者我要写书评

暂无评论

基于改进的lstm网络的交通流预测

基于改进的LSTM网络的交通流预测

引用

作者：任艺柯大连理工大学

学位级别：硕士

近年来,随着深度学习的发展,利用深度学习的方法来解决交通领域的问题受到大家的广泛关注,尤其是长短时记忆网络(lstm)在处理时间序列问题上的优越性。然而,从模型体系结构的深度、预测区域的空间尺度以及时空数据的预测能力等方面,深... 详细信息

近年来,随着深度学习的发展,利用深度学习的方法来解决交通领域的问题受到大家的广泛关注,尤其是长短时记忆网络(lstm)在处理时间序列问题上的优越性。然而,从模型体系结构的深度、预测区域的空间尺度以及时空数据的预测能力等方面,深度学习方法在交通流预测问题中的潜力还没有得到充分的挖掘。本文提出了一种考虑时间序列数据前后相关的深层预测网络结构,将双向lstm和单向lstm网络相结合用于预测公路路段的交通流量。本文提出了一种考虑时间序列数据正向和反向依赖性的深层次双向和单向lstm神经网络结构,用于预测网络范围内的交通流量,考虑到时间序列的潜在反向依赖性,采用双向lstm层从历史数据中获取双向时间的相关性。本研究以矩阵形式来表示道路交通流数据,充分考虑道路交通流的空间相关性特征,同时利用双向lstm网络,对交通流历史数据时间上可能潜在的上下文信息进行关联,充分进行特征学习。本研究将双向lstm网络层应用于深层架构模型的构建块,以测量用于预测的流量数据的反向依赖性。此外,该可扩展模型可以预测高速公路和复杂城市交通网络的交通流量。与其他预测模型的比较表明,本文所提出的融合单向和双向的lstm神经网络在预测精度方面均优于其他交通流预测的神经网络。

关键词：短时交通流预测问题时空数据 lstm神经网络双向lstm神经网络反向依赖性

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的自动文本摘要研究

引用

中国高新区 2019年第14期 182页

作者：陈子颀刘思佳陈洛轩周震美余梓权廖南山华南师范大学计算机学院

自1990年以来,Internet以惊人的速度在全球范围内快速发展,因特网上的信息资源日益丰富,但"信息爆炸"的问题也随之而来.如何快而准地获取到所需的信息,是当今人们最迫切的需求.在此需求背景下,自动文本摘要技术因其所具备的... 详细信息

自1990年以来,Internet以惊人的速度在全球范围内快速发展,因特网上的信息资源日益丰富,但"信息爆炸"的问题也随之而来.如何快而准地获取到所需的信息,是当今人们最迫切的需求.在此需求背景下,自动文本摘要技术因其所具备的压缩文本以及提炼有效信息的功能在自然语言处理领域受到了广泛关注.该技术不仅大大减轻了用户浏览、查阅信息的负担,同时也为其他文本处理技术提供了一定的理论及技术支持.文章重点研究目前较为流行的基于深度学习的自动文本摘要技术,并在其基础上做了改进.

关键词：自动文摘 Seq2Seq 双向lstm神经网络

来源：评论

学校读者我要写书评

暂无评论

基于双向lstm和两阶段方法的触发词识别

基于双向LSTM和两阶段方法的触发词识别

引用

第十六届全国计算语言学学术会议暨第五届基于自然标注大数据的自然语言处理国际学术研讨会

作者：何馨宇李丽双大连理工大学计算机科学与技术学院辽宁大连 116023

生物事件抽取是生物文本挖掘领域的一个重要分支,而触发词识别作为事件抽取的重要子过程,已经吸引了众多的关注.现有的触发词识别方法多为浅层的一阶段方法,训练代价较大,且需要丰富的领域知识抽取大量特征,人工成本较高.因此,本文提出... 详细信息

生物事件抽取是生物文本挖掘领域的一个重要分支,而触发词识别作为事件抽取的重要子过程,已经吸引了众多的关注.现有的触发词识别方法多为浅层的一阶段方法,训练代价较大,且需要丰富的领域知识抽取大量特征,人工成本较高.因此,本文提出了一种基于两阶段和双向lstm神经网络的触发词识别方法.首先,将触发词识别分为识别和分类两个阶段,有效的缓解了训练过程中存在的类不平衡问题.其次,在两个阶段中均采用目前性能较好的双向lstm神经网络来完成二分类任务和多分类任务,避免了浅层机器学习方法抽取人工特征时的代价.此外,利用PubMed数据库下载大规模语料训练带有依存关系的词向量,获得了更加丰富的语义信息,从而有效的提高了触发词的识别性能.本文方法在生物事件抽取通用语料MLEE上已获得目前最好抽取性能,F值为78.46％.

关键词：触发词识别两阶段法双向lstm神经网络

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：