检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

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

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

-

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

2 篇 学位论文

馆藏范围

2 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

1 篇 文学
- 1 篇 中国语言文学
1 篇 工学
- 1 篇 计算机科学与技术...
- 1 篇 软件工程
1 篇 管理学
- 1 篇 管理科学与工程(可...

主题

2 篇 数据标注系统
1 篇 k近邻
1 篇 元学习
1 篇 数据库问答
1 篇 众包模式
1 篇 分类器
1 篇 权重向量加权
1 篇 语义解析平台
1 篇 课程学习

机构

1 篇 苏州大学
1 篇 杭州电子科技大学

作者

1 篇 刘泽洋
1 篇 沈菲

语言

2 篇 中文

检索条件"主题词=数据标注系统"

共 2 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于众包的人机协同数据标注系统的研究与应用

基于众包的人机协同数据标注系统的研究与应用

引用

作者：沈菲杭州电子科技大学

学位级别：硕士

众包标注是一种经济且高效的在线标注方式，然而由于无法严格控制工人标注的稳定性，所以容易出现众包数据质量低下的问题。为了提高众包的质量，已有许多基于真值推理的控制众包质量的研究被提出，然而现有方法的准确性还有待提高，且... 详细信息

众包标注是一种经济且高效的在线标注方式，然而由于无法严格控制工人标注的稳定性，所以容易出现众包数据质量低下的问题。为了提高众包的质量，已有许多基于真值推理的控制众包质量的研究被提出，然而现有方法的准确性还有待提高，且不能有效处理标签缺失的问题。　　为了进一步提高众包标注的质量，本文提出一种集成加权软投票的真值推理算法，从两方面改进现有方法。首先，通过引入实例的特征，最大程度地利用实例中蕴含的有用信息，计算众包实例属于某一类标签的概率，得到新划分的众包数据集;其次，由于每个标注工人擅长标注的数据是不同的，本文提出一种基于元学习的方法集成分类器，在新数据集上训练并利用相似度计算得到工人权重，即工人对不同的实例的不同的标注能力，并在投票模型的基础上引入工人权重，提出加权软投票的方法用于推测标签。　　为了有效改善实际众包场景中存在的标签缺失的情况，提出基于加权K近邻相似度的真值推理算法。该算法在标签稀疏时，基于K近邻的思想，将相似度较高的邻居实例作为某实例得到聚合标签的依据。首先，把众包数据转换成工人-标签矩阵;然后利用矩阵之间的相关性计算出矩阵之间的RV系数，并将其作为实例间的相似度，通过排序找出前K个相似度高的邻居实例;最后利用权重向量加权得出聚合标签。　　为了获取高质量的众包数据，搭建基于上述模型的众包标注系统原型，该系统具有用户管理、数据集管理、任务管理、众包质量控制等功能。以求在采用众包模式快捷且经济地获取大量标注数据的同时，在系统中调用真值推理模型的接口获取高质量的标注数据。

关键词：数据标注系统众包模式分类器元学习 K近邻权重向量加权

来源：评论

学校读者我要写书评

暂无评论

面向汉语数据库问答的数据标注平台和语义解析模型构建

面向汉语数据库问答的数据标注平台和语义解析模型构建

引用

作者：刘泽洋苏州大学

学位级别：硕士

关系数据库是人类设计用于计算机系统存储各类数据的复杂技术。用户使用数据库结构化查询语句(SQL查询)从关系型数据库中提取所需的内容。数据库问答语义解析任务旨在将人类的自然语言问题转化为对应的SQL查询。数据库问答任务中,根据... 详细信息

关系数据库是人类设计用于计算机系统存储各类数据的复杂技术。用户使用数据库结构化查询语句(SQL查询)从关系型数据库中提取所需的内容。数据库问答语义解析任务旨在将人类的自然语言问题转化为对应的SQL查询。数据库问答任务中,根据其数据库的表格数量、是否存在多轮对话的提问,按照难度梯度可以将数据库问答分为三个类型的子任务,分别为单轮单表text-to-SQL任务、单轮多表text-to-SQL任务以及多轮多表text-to-SQL任务。首先,为了解决中文场景的数据稀疏问题,我们设计并开发了数据标注系统。进而,借助本文数据标注系统,我们标注了当前规模最大、质量更佳的单多轮多表text-to-SQL中文数据集SeSQL。基于SeSQL以及其它开源的数据集,本文对三种不同的数据库问答任务分别进行了较为深入的研究与分析。最后,综合全部的研究内容和成果,本文搭建了数据库问答语义解析平台,以满足实际需求。具体而言,本文的主要内容如下:(1)面向多轮多表汉语数据库问答的数据标注系统对于数据库问答语义解析任务,其数据获取难度较高,存在较为显著的数据稀疏问题。针对上述问题,我们设计了多人协作的标注流程,使得在标注过程中能够对先前的标注内容进行检查,更好地保障数据的标注质量。本文基于模块化的思想,搭建了数据标注系统,同时提供一些有助于标注过程的实用功能。最终基于本文提供的数据标注系统,我们构建了规模庞大、质量较好的单、多轮的多表text-to-SQL中文数据集SeSQL。(2)面向单表数据库的单轮问答语义解析单轮单表text-to-SQL任务在当前的业务中需求更为广泛。在此任务中,我们采用sequence-to-set结构的语义解析模型作为基线。对于此基线模型,我们加入了值编码优化策略着重地对其值处理进行改进。此外,我们继续对基线模型加人relation-aware编码层尝试强化其编码效果。实验结果表明,值编码改进策略能够在较大程度上帮助模型预测SQL中的WHERE子句,而relation-aware编码层由于引入了特征向量同质化的问题从而带来较大的负面影响。(3)基于课程学习的面向多表数据库的单轮问答语义解析为了加快语义解析模型的训练过程并提升模型的训练质量,本文尝试将课程学习算法应用在LGESQL模型的训练过程中。本文共设计了两种课程学习方法,经过实验分析,借助SQL结构来划分样本难度的课程学习方案对text-to-SQL语义解析模型的训练过程产生更大的影响。(4)面向多表数据库的多轮问答语义解析模型复现和对比多轮多表text-to-SQL任务逐渐成为学术界的热门研究方向,解决此任务的语义解析模型通常有两种典型的设计思路。对于两种不同设计思路的语义解析模型,本文选取了 EditSQL模型、IGSQL模型、RATSQL扩展模型进行分析并完成复现。我们在中文数据集SeSQL上对三个模型进行实验对比,结果表明仅使用拼接问句的RATSQL扩展模型就拥有较高竞争力的性能水平,同时其代码结构相对简洁高效,更适合工业生产场景,且优化潜力较大。(5)数据库问答语义解析平台搭建随着计算机技术广泛地应用于各行各业,数据库问答语义解析平台随之也拥有广阔的应用场景。综合了前文对语义解析模型的研究、搭建的数据标注系统以及标注完成的数据集SeSQL,借助主流、先进的开发技术我们搭建了数据库问答语义解析平台。经测试,本文问答平台性能稳定,交互性良好,能够满足正常的问答需求。综上所述,我们对数据库问答语义解析进行了较为全面的研究,涵盖了单轮单表、单轮多表、多轮多表三类text-to-SQL语义解析任务,并搭建了相对安全、稳定、性能良好的数据标注系统和语义解析平台,为完成数据库问答任务的实际工业生产场景提供了较完整的解决方案和思路。我们衷心希望本文的研究内容以及所提供的实用工具能够为未来的数据库问答研究有所帮助。

关键词：数据库问答数据标注系统课程学习语义解析平台

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

共1页 << < 1 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

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：