检索结果-内蒙古大学图书馆

上海交通大学学报 2020年第2期54卷 117-125页

作者：张辉马少平清华大学计算机科学与技术系智能技术与系统国家重点实验室

信息检索效率在很大程度上取决于用户看到的搜索引擎结果页面所提供的内容.目前,红色突显查询词是商业搜索引擎结果页面主要采用的文本展示方式,但由于查询词可能表达模糊或者包含噪音,与用户的查询意图往往不能完全一致.为了能够充分... 详细信息

信息检索效率在很大程度上取决于用户看到的搜索引擎结果页面所提供的内容.目前,红色突显查询词是商业搜索引擎结果页面主要采用的文本展示方式,但由于查询词可能表达模糊或者包含噪音,与用户的查询意图往往不能完全一致.为了能够充分地反映用户的查询意图,同时突显对于满足用户查询意图最重要的词语,基于人工标注的结果提出一种新的关键词突显策略;综合结构化支持向量机、隐马尔科夫、最大间隔马尔科夫网络及条件随机场4种基础的序列标注机器学习模型,进一步提出一种新的联合序列学习模型并进行用户搜索实验.实验结果表明:该种模型优于4种基础模型,与人工标注的结果相比取得了93.30%的准确率;所提出的关键词突显策略明显优于传统的查询词突显策略,提高了用户的满意度及搜索效益.

关键词：搜索引擎结果页面用户意图查询词突显序列标注算法

来源：评论

学校读者我要写书评

暂无评论

面向问答的中文语法错误自动检测方法研究

面向问答的中文语法错误自动检测方法研究

引用

作者：韩文颖哈尔滨工业大学

学位级别：硕士

在这个高度信息化的时代,问答系统在人机交互中发挥的作用越来越大,而人们日益高涨的信息交互需求也使得对问答系统的功能要求不断提高。作为信息检索与自然语言处理的综合产物,问答系统可以正确地响应用户提出的自然语言形式的问题,而... 详细信息

在这个高度信息化的时代,问答系统在人机交互中发挥的作用越来越大,而人们日益高涨的信息交互需求也使得对问答系统的功能要求不断提高。作为信息检索与自然语言处理的综合产物,问答系统可以正确地响应用户提出的自然语言形式的问题,而包含语法错误的自然语言描述往往会导致问答系统做出错误的响应,因此对语法错误的自动检测是问答系统必需的重要功能。中文作为我们日常生活、工作的语言,对其进行语法错误自动检测研究的意义重大。传统上对语法错误自动检测研究,主要集中在文本编辑、文本识别、语音输入、语言学习等方面。近年来,人们又将语法错误自动检测技术应用于机器翻译、问答系统中的问句预处理和答案生成等领域。当前语法错误自动检测研究的方法比较单一,即只基于规则或统计方法,或只基于单一机器学习方法进行研究,很少将三者综合起来进行分析。针对这一问题,本课题提出一种基于n-gram模型、句子词性特征和依存句法树结构特征的方法,并分别从分类和序列标注两个方向对句子进行语法错误检测分析。本课题的研究内容主要包括以下三个部分:语料分析与扩充、基于分类的语法错误检测、基于序列标注的语法错误检测。首先,通过分析数据集中不同语法错误类型的特点,构建启发式规则并扩充语料;其次,在采用分类方法进行语法错误检测时,分别抽取出语句级别的二元和三元词性组合、基于词性统计的n-gram模型等三类特征构建单分类和集成分类模型,然后采用卷积神经网络从不同角度构建分类模型;最后,在采用基于序列标注的方法进行语法错误检测时,主要使用依存句法树特征,通过构建条件随机场模型实现语法错误检测,这种方法在自动检测语法错误的同时,也能够标识出语句的出错位置。上述所有模型中,基于线性加权的集成分类方法构建的模型具有最高的F-Score值(36.28%),将该模型和基于规则的模型相结合,F-Score值可以进一步提升(37.87%);而基于SVM的方法,具有最高的召回率(44.11%),基于CRF的方法则取得了最高的精确度(40.00%)。本课题综合考虑多种模型的特点,构建了一个可以高效地检测句子语法错误,并对其错误类型进行正确归类的模型。在此基础上,本课题实现了一个简单的中文语法错误自动检测平台,可以为问答系统中问句和答案的优化提供帮助。

关键词：中文语法错误检测自动问答分类算法序列标注算法

来源：评论

学校读者我要写书评

暂无评论

基于知识图谱的专利知识服务模型构建 ——以新能源汽车电池技术领域为例

基于知识图谱的专利知识服务模型构建 ——以新能源汽车电池技术...

引用

作者：崔晓蕾南京航空航天大学

学位级别：硕士

随着“中国制造2025”、“工业4.0”概念的提出,传统制造业开始向智能制造转型,新一代智能制造更注重各流程的信息化建设,实现智能决策和产品创新。当前,不论是技术创新还是流程创新,都对中小型制造业企业的创新管理能力提出了新的挑战... 详细信息

随着“中国制造2025”、“工业4.0”概念的提出,传统制造业开始向智能制造转型,新一代智能制造更注重各流程的信息化建设,实现智能决策和产品创新。当前,不论是技术创新还是流程创新,都对中小型制造业企业的创新管理能力提出了新的挑战。专利知识产权作为企业创新资源,既能反映竞争企业的市场战略布局,又能够对已有生产提出指导性意见,降低创新成本。目前已有非常多的研究针对专利数据进行定性或定量的分析和研究,然而对于传统制造业来说,缺少一体化、流程化的创新知识管理经验和信息化解决方案是企业转型过程中遇到最大的问题。本文旨在探究使用大数据技术解决传统制造业知识管理问题的方法,利用知识图谱相关技术实现对专利知识的自动抽取和结构化构建,充分融合专利包含的外部特征和内部特征,搭建知识服务模型,为制造业企业提供知识服务,从而提升信息检索效率和利用率。首先,本文以中国知网专利数据库作为数据源,使用爬虫技术获取“新能源汽车电池”领域专利数据和专利相关文献,通过分析数据特征和数据需求,挖掘领域基础概念,构建本体概念模型作为知识图谱的概念层。然后,将概念层类映射到数据层构建中,利用实体识别技术挖掘领域知识,并对传统序列标注算法模型(Bi LSTM-CRF)进行改进,引入数据增强和预训练模型解决小样本量环境下实体识别准确率低的问题,实验结果显示:融合数据增强技术的改进模型BERT-Bi LSTM-CRF相较于基准模型Bi LSTM-CRF的F1值在小样本量数据集上平均提升了2.81%。同时,本文在实体识别的基础上进一步挖掘产品组件和产品技术之间的关联关系,利用改进后的BERT-Bi LSTM-Attention模型进行关系识别,结合改进的数据输入格式之后,关系识别准确率达到最优值94.71%。最后,利用Neo4j图数据库进行数据的存储和可视化处理,构建新能源汽车电池技术领域知识图谱,并提出面向企业创新知识管理的知识服务模型并结合实际应用场景进行实证分析,验证其应用价值。本文的创新点主要体现在:(1)整合专利外部结构化信息和内部非结构化信息,提出了基于知识图谱的一体化知识服务模型,支持对领域知识的自动挖掘以及定性、定量两个维度的分析研究,提升信息利用率。(2)改进了非结构化知识挖掘方法,提升知识挖掘的精度和效率。一方面,通过引入基于迁移学习思想的数据增强技术解决领域知识不足的问题,改进后的模型BERT-Bi LSTM-CRF在小样本量实体识别任务上的准确率有了显著提高;另一方面,利用关系识别模型挖掘产品组件间的关系,在传统深度学习分类器Bi LSTM的基础上加入预训练模型和注意力机制,提高关系识别的精确率。

关键词：知识图谱序列标注算法关系识别算法知识服务模型专利分析应用

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：