检索结果-内蒙古大学图书馆

复杂系统与复杂性科学 2021年第2期18卷 89-94页

作者：徐凯旋李宪潘亚磊青岛大学复杂性科学研究所山东青岛266071 青岛大学未来研究院山东青岛266071

对微博多分句的评论,ELMo-Text CNN、GPT等模型不能准确提取文本上下文联系,导致分类效果不理想。为了解决此问题,采用BERT-Text CNN模型,利用BERT独特自注意力机制的双向编码转换器结构获得具有句子全局特征的字向量,将字向量输入到Tex... 详细信息

对微博多分句的评论,ELMo-Text CNN、GPT等模型不能准确提取文本上下文联系,导致分类效果不理想。为了解决此问题,采用BERT-Text CNN模型,利用BERT独特自注意力机制的双向编码转换器结构获得具有句子全局特征的字向量,将字向量输入到Text CNN中,利用Text CNN捕获局部特征的能力,最终提取语义、语序以及上下文联系等高阶特征,解决了模型不能准确获取文本上下文联系的问题,实现了高准确率的微博评论细粒度情感分类。同时为验证该模型的优势,与现有模型进行比较,在simplifyweibo_4_moods数据集上测试结果显示BERT-Text CNN模型在准确率、召回率以及F1指标方面均有提升。

关键词：情感分类双向编码转换器文本卷积神经网络自注意力机制

来源：评论

学校读者我要写书评

暂无评论

一种基于文本卷积神经网络的推荐算法

引用

计算机与现代化 2020年第10期 7-11,16页

作者：杨辉王月海豆震泽北方工业大学信息学院北京100144

传统的矩阵因子分解模型不能有效提取用户和物品特征,而基于深度学习模型可以很好地提取特征信息。当前,主流的基于深度学习推荐算法只是单一地将神经网络的输出或物品特征与用户特征乘积的形式来做推荐预测,不能充分挖掘用户和物品之... 详细信息

传统的矩阵因子分解模型不能有效提取用户和物品特征,而基于深度学习模型可以很好地提取特征信息。当前,主流的基于深度学习推荐算法只是单一地将神经网络的输出或物品特征与用户特征乘积的形式来做推荐预测,不能充分挖掘用户和物品之间的关系。基于此,本文提出一种基于文本卷积神经网络与带偏置项的奇异值分解(BiasSVD)结合的推荐算法,利用文本卷积神经网络(TextCNN)来充分提取用户和物品的特征信息,然后用奇异值分解方法来做推荐,深层次理解文档上下文信息,进一步提高推荐的准确性。将该算法在MovieLens的2个真实数据集上做广泛的评估分析,推荐的准确度要明显优于ConvMF算法及主流深度学习推荐算法。

关键词：矩阵分解奇异值分解深度学习文本卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于文本卷积神经网络模型的抗菌药物发现

引用

中国药学杂志 2024年第3期59卷 249-255页

作者：姚明丽高丁佳张洁李珊吴松司鑫鑫夏杰江苏海洋大学药学院江苏连云港222005 南京航空航天大学经济与管理学院南京210016 中国医学科学院北京协和医学院药物研究所北京100050

目的基于文本卷积神经网络(Text-Convolutional Neural Network, Text-CNN)算法,构建抗金黄色葡萄球菌(Staphylococcus aureus)活性的预测模型,通过虚拟筛选发现具有抑制***活性的苗头化合物。方法从ChEMBL数据库中收集并整理了26327... 详细信息

目的基于文本卷积神经网络(Text-Convolutional Neural Network, Text-CNN)算法,构建抗金黄色葡萄球菌(Staphylococcus aureus)活性的预测模型,通过虚拟筛选发现具有抑制***活性的苗头化合物。方法从ChEMBL数据库中收集并整理了26327个标注有***活性数据的化合物,通过随机采样建立10组训练集和测试集,采用Text-CNN算法建立10个模型,通过模型评估选择性能最佳的模型,对该模型进行Y-随机化检验和应用域分析。使用该模型虚拟筛选内部化合物库,确定潜在的抗菌化合物,并采用微量肉汤稀释法测定化合物的抗***活性。结果名为Text-CNN3的机器学习模型具有良好的分类性能,该模型对于测试集的马修斯相关系数为0.573,ROC曲线下面积为0.881。基于该模型的虚拟筛选和抗菌活性测试,发现了两个抗菌活性化合物Y5和Y7,其对***的最低抑菌浓度(minimal inhibitory concentration, MIC)分别为8和4μg·mL^(-1)。结论本研究建立的Text-CNN3模型可有效发现抗***化合物,所发现的苗头化合物Y5和Y7有进一步研究的意义和价值。

关键词：金黄色葡萄球菌文本卷积神经网络活性预测最低抑菌浓度

来源：评论

学校读者我要写书评

暂无评论

基于并行混合神经网络的95598工单情感分析

引用

电力需求侧管理 2025年第1期27卷 94-100页

作者：张霞刘宝龙何湘英王恭玥刘晓捷国网江苏省电力有限公司常州供电分公司江苏常州213000 东南大学电气工程学院南京210018

为了解决95598对紧急工单处理不及时导致严重后果的问题,提出了基于注意力机制的并行混合神经网络电力工单文本情感分析模型,以满足紧急工单自动化智能提醒的要求。首先通过情感词典和规则集的方式辅助人工标注工单文本情感紧急程度生... 详细信息

为了解决95598对紧急工单处理不及时导致严重后果的问题,提出了基于注意力机制的并行混合神经网络电力工单文本情感分析模型,以满足紧急工单自动化智能提醒的要求。首先通过情感词典和规则集的方式辅助人工标注工单文本情感紧急程度生成了电力工单文本情感分析数据集;利用文本预训练BERT模型进行文本向量化;然后使用文本卷积神经网络(text convolution neural network,TextCNN)和双向长短期记忆网络(bidirectional long short term memory,BiLSTM)分别提取文本局部特征和上下文特征并进行特征融合;利用注意力机制对融合后的文本特征中的关键信息进行加强处理,以增强模型识别关键信息的能力。算例结果表明,融合了注意力机制的神经网络模型与其他深度学习模型相比,对电力工单文本情感分类有着更好的效果。

关键词： 95598工单情感分析文本卷积神经网络长短期记忆网络注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于BERT和TextCNN的智能制造成熟度评估方法

引用

计算机集成制造系统 2024年第3期30卷 852-863页

作者：张淦袁堂晓汪惠芬柳林燕南京理工大学机械工程学院江苏南京210000 洛林大学LCOMS 法国梅斯57000

随着智能制造2025目标的临近,企业为了解自身能力水平纷纷加入到智能制造成熟度评估的行列中。然而,由于智能制造成熟度评估标准的复杂性,企业缺乏其对行业水平的了解,导致企业贸然申请,浪费自身时间的同时又占用大量评估资源。鉴于此,... 详细信息

随着智能制造2025目标的临近,企业为了解自身能力水平纷纷加入到智能制造成熟度评估的行列中。然而,由于智能制造成熟度评估标准的复杂性,企业缺乏其对行业水平的了解,导致企业贸然申请,浪费自身时间的同时又占用大量评估资源。鉴于此,设计了一种新的评估流程,采用文本处理算法对整个评估过程进行了重构,通过利用国标文件中智能制造成熟度评估标准,将其作为训练集,采用基于预训练语言模型与文本神经网络(BERT+TextCNN)相结合的智能评估算法代替人工评估。在真实的企业智能制造数据集上的验证表明,当BERT+TextCNN评估模型在卷积核为[2,3,4]、迭代次数为6次、学习率为3e-5时,对智能制造成熟度进行评估,准确率达到85.32%。这表明所设计的评估方法能够较准确地帮助企业完成智能制造成熟度自评估,有助于企业了解自身智能制造能力水平,制定正确的发展方向。

关键词：智能制造成熟度模型 BERT预训练语言模型文本卷积神经网络评估过程重构

来源：评论

学校读者我要写书评

暂无评论

基于深度语义学习的智能录波器自配置方法

引用

电力系统保护与控制 2021年第2期49卷 179-187页

作者：陈旭张弛刘千宽彭业周达明甄家林中国南方电网电力调度控制中心广东广州510663 武汉凯默电气有限公司湖北武汉430023

智能录波器的基础配置工作是将全站配置描述文件(Substation Configuration Description,SCD)中智能二次设备(Intelligent Electronic Device,IED)各运行数据输出端口的地址信息分类映射至录波器不同信息组中。目前主流配置方法是针对... 详细信息

智能录波器的基础配置工作是将全站配置描述文件(Substation Configuration Description,SCD)中智能二次设备(Intelligent Electronic Device,IED)各运行数据输出端口的地址信息分类映射至录波器不同信息组中。目前主流配置方法是针对端口的文本描述进行人工配置。在大规模高电压等级变电站内端口文本描述繁杂,人工操作耗时长,工作量大。针对该现状,提出了基于字符级TextCNN深度语义学习的智能录波器自配置方法。首先利用word2vec模型针对高维稀疏的文本样本矩阵进行降维与稠密化处理,实现字符词向量的分布式表达。之后建立TextCNN模型,基于其多层次抽象化提取样本特征的结构特点进行文本语义挖掘与分类。依据文本分类结果实现端口地址信息的分类映射。案例分析表明,基于TextCNN模型的录波器自配置方法具有分类时间短与分类精度高的优点,提高了录波器自动化配置的准确性。

关键词：智能录波器信息自配置文本挖掘词向量分布式表达文本卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

多特征融合的MOOC推荐模型

引用

计算机工程与应用 2023年第10期59卷 123-133页

作者：舒新峰曹望美王曙燕西安邮电大学计算机学院西安710121

为充分利用MOOC(massive open online course)上下文信息,精确表示学习者和课程特征,提出一种多特征融合的MOOC推荐模型(multi-feature fusion based model for MOOC recommendation,MFF-MOOCREC)。利用文本卷积神经网络和双向长短时记忆网络捕获数据中的文本和时序特征,并设计多级注意力机制提取学习者交互序列、评论文本和课程多元属性中的关键信息;基于前缀投影的模式挖掘和亲和力传播算法对原始课程类别进行关联聚类分析以增加推荐的覆盖率;采用概率矩阵分解训练模型参数,将优化后的学习者隐向量和课程隐向量点乘产生预测评分。实验表明,和现有推荐方法相比,MFF-MOOCREC的命中率、归一化折损累计增益和覆盖率指标在Coursera数据集上平均提高46.86%、41.19%和10.95%,在iCourse数据集上平均提高44.08%、28.79%和9.81%,对于缓解数据稀疏问题,提升推荐质量具有一定优势。

关键词： MOOC推荐文本卷积神经网络双向长短时记忆网络注意力机制关联聚类分析概率矩阵分解

来源：评论

学校读者我要写书评

暂无评论

基于BERT的多模型融合的Web攻击检测方法

引用

计算机工程 2024年第11期50卷 197-206页

作者：袁平宇邱林长江大学计算机科学学院湖北荆州434023

传统Web攻击检测方法准确率不高,不能有效防范Web攻击。针对该问题,提出一种基于变换器的双向编码器表示(BERT)的预训练模型、文本卷积神经网络(TextCNN)和双向长短期记忆网络(BiLSTM)多模型融合的Web攻击检测方法。先将HTTP请求进行预... 详细信息

传统Web攻击检测方法准确率不高,不能有效防范Web攻击。针对该问题,提出一种基于变换器的双向编码器表示(BERT)的预训练模型、文本卷积神经网络(TextCNN)和双向长短期记忆网络(BiLSTM)多模型融合的Web攻击检测方法。先将HTTP请求进行预处理,再通过BERT进行训练得到具备上下文依赖的特征向量,并用TextCNN模型进一步提取其中的高阶语义特征,作为BiLSTM的输入,最后利用Softmax函数进行分类检测。在HTTP CSIC 2010和恶意URL检测两个数据集上对所提方法进行验证,结果表明,与支持向量机(SVM)、逻辑回归(LR)等传统的机器学习方法和现有较新的方法相比,基于BERT的多模型融合的Web攻击检测方法在准确率、精确率、召回率和F1值指标上均表现更优(准确率和F1值的最优值都在99%以上),能准确检测Web攻击。

关键词： Web攻击检测基于变换器的双向编码器表示多模型融合 HTTP请求文本卷积神经网络双向长短期记忆网络

来源：评论

学校读者我要写书评

暂无评论

基于RoBERTa-WWM的大学生论坛情感分析模型

引用

计算机工程 2022年第8期48卷 292-298,305页

作者：王曙燕原柯西安邮电大学计算机学院西安710121

大学生论坛语句具有篇幅短、口语化、多流行用语等特点,传统的情感分析模型难以对其进行精准的语义特征表示,并且未充分关注语句的局部特征与上下文语境。提出一种基于RoBERTa-WWM的大学生情感分析模型。通过RoBERTa-WWM模型将论坛文本... 详细信息

大学生论坛语句具有篇幅短、口语化、多流行用语等特点,传统的情感分析模型难以对其进行精准的语义特征表示,并且未充分关注语句的局部特征与上下文语境。提出一种基于RoBERTa-WWM的大学生情感分析模型。通过RoBERTa-WWM模型将论坛文本语句转化为语义特征表示,并将其输入到文本卷积神经网络中,以提取语句的局部语义特征,同时利用双向门控循环单元网络对局部语义特征进行双向处理,获得全面的上下文语义信息。在此基础上,通过Softmax分类器计算语句在情感标签中的概率向量,选择最大值表示的情感标签作为最终输出的情感标签。实验结果表明,相比RoBERTa-WWM、EK-INIT-CNN、BERT等模型,该模型在大学生论坛与NLPCC2014数据集上具有较优的分类性能,并且在大学生论坛数据集上宏平均精准率、宏平均召回率、宏平均F1值和微平均F1值分别为89.43%、90.43%、90.12%和92.48%。

关键词：深度学习大学生情感分析 RoBERTa-WWM模型文本卷积神经网络双向门控循环单元网络

来源：评论

学校读者我要写书评

暂无评论

面向中文医疗问答网站的相似问题检索研究

引用

中文信息学报 2022年第6期36卷 135-145页

作者：王保成刘利军黄青松昆明理工大学信息工程与自动化学院云南昆明650500 云南省计算机技术应用重点实验室云南昆明650500

医疗问答平台主要通过关键词检索来服务,但其缺点是难以应对文本中多样化表达、否定词较多等特点,且不能充分根据用户的语义查询,使查询结果中有大量无关项。因此该文先用基于改进文本卷积神经网络的哈希生成模型,进行相似问题的语义检... 详细信息

医疗问答平台主要通过关键词检索来服务,但其缺点是难以应对文本中多样化表达、否定词较多等特点,且不能充分根据用户的语义查询,使查询结果中有大量无关项。因此该文先用基于改进文本卷积神经网络的哈希生成模型,进行相似问题的语义检出,以更好地处理文本中的多样化表达、否定词较多等现象。然后,用更精确的文本匹配模型对检出集合进行过滤和排序,通过集成学习构建该模型。模型先集成Siamese-BERT模型,该模型利用孪生网络,并用BERT作为基础模型,能更好地进行语义抽取;接着集成BERT-Match模型,该模型借助BERT的多头注意力机制,能更好地捕捉问句间的局部相关性。最后,用梯度下降提升树将语义特征及统计特征结合,使模型更准确。实验结果表明,该文方法在进行相似问题检出和文本匹配时能得到更好的结果。

关键词：医疗问答平台文本卷积神经网络文本匹配模型集成学习

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：