检索结果-内蒙古大学图书馆

随着科技的快速发展，人工智能技术得到了广泛应用。作为人工智能的重要子领域，自然语言处理一直是众多学者的研究热点。自然语言处理领域有众多具有挑战性的任务，围绕这些任务，很多学者提出了自己的解决方案。词向量和文档建模一直是自然语言处理的基础研究任务，是实现其他更为复杂的任务的前提，如文档检索、问答系统等。\n 本文旨在研究如何进一步改善现有的词向量和文档建模算法，然后将上述改进方案应用于更为复杂的问答系统任务上。具体来说，包括三个方面的研究工作:(1)系统梳理了几个经典的词向量模型，对其结构、特点以及局限性作了深入地分析，然后提出两种针对连续词袋（Continuous Bag-of-Words，CBOW）模型的改进方案:一种是对模型输入层的词向量进行加权，该权重是各词向量相应的位置信息;另一种就是增加模型在预测目标词时的上下文信息，让目标词的所有上文都参与模型的训练。实验结果表明，本文提出的两种改进方案在整体性能上均优于原始的CBOW模型;(2)分析了现有文档建模技术在大规模数据集上应用的局限性，并在语义哈希的基础上，提出一种深度谱哈希（Deep Spectral Hashing，DSH）算法。DSH首先通过深度自动编码机对输入文本进行特征提取和降维，然后将得到的低维稠密特征数据，用于训练一个谱哈希模型。对于新的输入文本，将最近的拉普拉斯图的特征向量收敛理论应用到流型上的拉普拉斯-贝特拉米特征方程，最终通过对特征方程阈值化即可得到紧凑的二元码。在20Newsgroups和Reuters Corpus Volume1两个语料库上同传统的TF-IDF、LSA、语义哈希等算法进行了大量的对比实验，结果表明本文提出的算法具有高效、易于扩展到大规模数据集上等优势;(3)对现有的问答系统做了系统分析，指出基于MemN2N（End-To-End Memory Networks）框架的问答系统模型易受初始化影响以至于运行结果不稳定。然后，基于上述改进的词向量，对该模型做了进一步的改进。在Facebook bAbI数据集上对上述改进方案做了验证，实验结果表明改进方法收敛速度更快，运行结果更加稳定。\n 总之，本文对文档建模方法及应用进行了研究和探索，研究成果可以有效提高文档建模的效果，对于文档建模研究具有一定的参考价值。

关键词：人工智能词向量文档建模深度谱哈希算法

来源：评论

学校读者我要写书评

暂无评论

一种基于WSD层级记忆网络建模的文档表示方法

引用

淮阴工学院学报 2020年第3期29卷 47-53页

作者：张柯文李翔朱全银方强强马甲林成洁怡丁行硕淮阴工学院计算机与软件工程学院江苏淮安223005

针对传统自然语言处理中基于中文文档建模方法忽视了上下文语义关系和文档层级结构的问题,提出一种基于WSD层级记忆网络建模的文档表示方法,以充分利用词句级联的层次关系,增强文档建模内部的语义联系,实现文档分类。该方法首先通过Ber... 详细信息

针对传统自然语言处理中基于中文文档建模方法忽视了上下文语义关系和文档层级结构的问题,提出一种基于WSD层级记忆网络建模的文档表示方法,以充分利用词句级联的层次关系,增强文档建模内部的语义联系,实现文档分类。该方法首先通过Bert模型进行词到句的表示;然后利用双向长短时记忆网络结合注意力机制输出每个时刻句子信息的重要程度;最后通过全连接层获得连续的文档模型进行分类预测。对THUCNEWS、CHEM&ENGNEWS两个数据集进行仿真实验,结果表明本方法相比传统方法准确性提高7.06%~18.31%,有效地提高了文档分类的预测精度,为文档分类提供借鉴。

关键词：自然语言处理文档建模层级记忆网络 Attention机制

来源：评论

学校读者我要写书评

暂无评论

基于词共现的文档表示模型

引用

中文信息学报 2012年第1期26卷 51-57页

作者：常鹏冯楠天津大学管理学院天津300072 天津大学网络与信息中心天津300072

文档表示模型是文本自动处理的基础,是将非结构化的文本数据转化为结构化数据的有效手段。然而,目前通用的空间向量模型(Vector Space Model,VSM)是以单个的词汇为基础的文档表示模型,因其忽略了词间的关联关系,导致文本挖掘的准确率难... 详细信息

文档表示模型是文本自动处理的基础,是将非结构化的文本数据转化为结构化数据的有效手段。然而,目前通用的空间向量模型(Vector Space Model,VSM)是以单个的词汇为基础的文档表示模型,因其忽略了词间的关联关系,导致文本挖掘的准确率难以得到很大的提升。该文以词共现分析为基础,讨论了文档主题与词的二阶关系之间的潜在联系,进而定义了词共现度及与文档主题相关度的量化计算方法,利用关联规则算法抽取出文档集上的词共现组合,提出了基于词共现组合的文档向量主题表示模型(Co-occurrence Term based Vector SpaceModel,CTVSM),定义了基于CTVSM的文档相似度。实验表明,CTVSM能够准确反映文档之间的相关关系,比经典的文档向量空间模型(Vector Space Model,VSM)具有更强的主题区分能力。

关键词：文档建模词共现文档相似度文本挖掘

来源：评论

学校读者我要写书评

暂无评论

专利检索与分析研究综述

引用

武汉大学学报（工学版） 2014年第3期47卷 420-425,432页

作者：陈旭彭智勇刘斌武汉大学计算机学院湖北武汉430072

专利的复杂性、结构化、抽象性和唯一性等特点使专利的检索与分析方式比传统文本遇到更多的挑战,专利研究正从专利数据库的构建、检索逐步向专利的分析和挖掘方向发展.首先对专利检索的3个关键点:文档建模、无效性检索和检索评价的研究... 详细信息

专利的复杂性、结构化、抽象性和唯一性等特点使专利的检索与分析方式比传统文本遇到更多的挑战,专利研究正从专利数据库的构建、检索逐步向专利的分析和挖掘方向发展.首先对专利检索的3个关键点:文档建模、无效性检索和检索评价的研究现状进行了总结,对目前所取得的主要研究成果做了介绍和对比.接着,着重从专利分析的3个方面:专利技术功效分析、专利聚类和质量分析,阐述了国内外学者所取得的主要研究成果.最后,展望了未来专利检索与分析领域的研究热点和方向.

关键词：专利检索文档建模无效性检索检索评价聚类分析语义标注文本质量

来源：评论

学校读者我要写书评

暂无评论

基于关系数据库的XML文档存储和查询方法研究

基于关系数据库的XML文档存储和查询方法研究

引用

作者：梁保生哈尔滨工业大学

学位级别：硕士

随着Web应用的不断扩展，基于HTML的Web信息表达方式已经不能适应人们进行信息查询和对Web数据进行管理的需要。XML以其开放性，自描述性，以及平台无关性等优点，成为网络上数据表示和交换的标准。随着XML数据的日益增多，各种类型的... 详细信息

随着Web应用的不断扩展，基于HTML的Web信息表达方式已经不能适应人们进行信息查询和对Web数据进行管理的需要。XML以其开放性，自描述性，以及平台无关性等优点，成为网络上数据表示和交换的标准。随着XML数据的日益增多，各种类型的数据库管理方法不断出现。比较有代表性的有XML专用数据库、面向对象数据库，关系数据库等。其中，关系数据库技术最为成熟，应用也最广泛，所以把XML数据放到关系数据库中进行管理，是当前及今后很长一段时间内非常有效的手段。\n 鉴于XML模式和关系模式的异构性，要把XML数据存储到关系数据库，首先要进行模式的映射。XML到关系的模式映射方法可以分为以下三大类。一类方法是直接将XML文档建模，然后将模型转换为关系模式。第二种方法是基于XML模式信息如DTD，XMLSchema等，经过预处理后，使用一定的算法建立对应的关系模式。第三类方法则是基于代价的，即考虑查询负载，从而生成一个优化的关系模式。\n 本文主要采用了第一种方法的研究思路，原因是该方法更具有一般性，适合于所有的XML文档的存储，并且在查询性能上可以有相当不错的表现。更为重要的是，该方法提供了后两种方法实现不了的文档“无损映射”，即将文档存储到数据库以后，还能够按照文档原来顺序进行恢复。这种方法在许多文档内容管理上相当有效。\n 本文主要在以下几个方面进行了研究：\n （1）提出了一种基于节点的对象交换模型（NOEM），可以完整的对XML文档数据进行建模，并具有较好的扩展性能；（2）提出一种新的编码方案：层次-兄弟编码（hierarchy-siblingencoding），使之既能完整的保存文档的顺序信息，又能够较好的支持XPath查询；（3）设计了四元关系模式：元素关系，属性关系，值关系和路径关系，使得该方法具有更好的通用性\n 实验结果表明，该编码方案可以无损的将XML数据保存到关系数据库中，并且使得XML数据的查询和重构效率较优。

关键词：关系数据库 XML数据文档建模查询方法

来源：评论

学校读者我要写书评

暂无评论

深度生成模型学习算法研究与应用

深度生成模型学习算法研究与应用

引用

作者：李慧中国科学院大学

学位级别：硕士

如何让机器从大量感知数据中抽取高层的数据表示是人工智能领域的核心问题，理论和生物学言论强烈建议，构建这样的智能系统需要深度模型，而传统深度模型的训练不仅容易陷入局部最优，而且需要大量的标注数据，以深度信度网(Deep Belie... 详细信息

如何让机器从大量感知数据中抽取高层的数据表示是人工智能领域的核心问题，理论和生物学言论强烈建议，构建这样的智能系统需要深度模型，而传统深度模型的训练不仅容易陷入局部最优，而且需要大量的标注数据，以深度信度网(Deep Belief Networks，DBN)为代表的深度生成模型以及相应高效训练算法的提出为解决这一问题带来了希望。本文旨在研究深度生成模型的理论和结构，在研究其贪心训练算法的基础上，对基本模块受限玻尔兹曼机(RestrictedBoltzmann Machines，RBM)的训练算法做进一步的改良，并根据语义哈希的思想将深度生成模型应用到文档建模领域，为文本应用提供更优的解决方案。\n 本文首先介绍了深度生成模型以及文档建模方面的研究背景、研究意义和国内外研究成果，在此基础上，对深度生成模型的结构和训练算法、文档建模的相关理论和技术进行了全面的研究与分析，总结了目前相关领域的研究困难与不足。其次，本文深入研究深度生成模型训练的基本模块RBM，在研究其定义和结构的基础上，提出了一种基于退火转换(Tempered Transition)的训练算法，借助于退火转换处理多峰分布的强大能力，这种RBM训练算法抽取的样本具有无偏性和多样性的优点，将其与基于吉布斯抽样和基于并行退火的现存训练算法进行对比，实验结果表明，基于退火转换的RBM训练算法优于现存的训练算法，不仅获得最好的混杂率，还有效提高了训练效果。接下来，本文设计了一个文档建模的算法框架，根据语义哈希思想将深度生成模型应用到文档建模，算法框架包括深度生成模型的训练和使用两个部分，模型的训练包括对词频建模、贪心预训练和参数调优三个步骤，模型的使用包括生成文档二元地址码、计算地址码海明距离两个步骤，实验结果显示，语义哈希文档建模方法的检索效率最高，并且可以获得和传统方法相似的检索效果。最后，总结了本文在深度生成模型和文档建模方面的主要研究成果和创新点，并展望了未来的研究工作。\n 总之，本文的研究成果对深度生成模型、RBM的训练和文档检索应用具有重要的参考价值，可以有效提高RBM训练的效果和文档检索的性能。

关键词：深度生成模型机器学习算法退火转换文档建模语义哈希玻尔兹曼机

来源：评论

学校读者我要写书评

暂无评论

基于预训练模型的专利检索系统的研究与实现

基于预训练模型的专利检索系统的研究与实现

引用

作者：侯平月哈尔滨工业大学

学位级别：硕士

专利检索是指在专利数据库中搜索和筛选相关专利文献的过程。在现代社会,专利检索已经成为了各个行业研发创新的必要手段之一,对于保护知识产权、促进技术进步、推动经济发展等方面都有着重要的作用。而专利检索方法往往面临着语言表达... 详细信息

专利检索是指在专利数据库中搜索和筛选相关专利文献的过程。在现代社会,专利检索已经成为了各个行业研发创新的必要手段之一,对于保护知识产权、促进技术进步、推动经济发展等方面都有着重要的作用。而专利检索方法往往面临着语言表达多样、词汇歧义等问题,难以准确地匹配查询语义,返回用户满意的相关专利。考虑到预训练模型在信息检索领域的优势,本论文聚焦于中文专利检索系统的研究与实现,对基于预训练模型的专利检索系统进行了探索。本文的主要研究成果如下: 首先,将专利IPC分类号信息和经典的检索模型相融合,对基于IPC分类号的专利检索模型改进方案进行了探索。专利IPC分类号是专利文件分类、检索和组织工具,包含丰富的专利信息。本文利用排序学习的方法提取专利IPC分类号特征建模专利,验证了IPC分类号信息在专利检索任务上的有效性。然后结合了包括语言模型在内的多个经典信息检索模型的信息构建特征,使用排序学习的方式实现融合IPC分类号的专利检索排序模型,并通过其在CLEFIP2011公开数据集上的表现证明了该模型的有效性。其次,开展对基于预训练模型的专利检索方法的研究,设计了基于自注意力交互的专利检索模型。为了提高检索速率,首先通过将专利文本表示模型与近似最近邻搜索算法的结合,实现了专利检索的粗检索方法,并探索了不同的专利文本构造方法以及专利文本表示模型对检索性能的影响。在完成专利粗检索之后,利用基于自注意力交互的专利检索模型对检索结果进行重排序,使得检索性能进一步提升。最后,基于前面的探索,面向中文专利实现了中文专利检索系统。并在系统测试阶段进行了功能测试并探索了系统中不同的基于专利语料训练的预训练模型在中文专利检索任务上的性能。其中,中文专利检索数据集通过搜集整理了多个真实的专利导航案例构建,预训练模型通过使用不同语料大小、不同训练策略对BERT模型进行预训练得到。

关键词：语义检索专利检索文档建模预训练模型

来源：评论

学校读者我要写书评

暂无评论

基于支持向量机的文本分类

引用

中国新技术新产品 2019年第1期 23-24页

作者：李芸初河南洛阳471099

文本分类是自然语言处理中的一项重要任务,用计算机做文本分类能够大大提高文本分类效率,方便人们的生活,该文主要介绍如何用支持向量机做文本分类。该文前面主要介绍文本分类背景、意义和应用,之后对中文分词、文档建模、分类器训练和... 详细信息

文本分类是自然语言处理中的一项重要任务,用计算机做文本分类能够大大提高文本分类效率,方便人们的生活,该文主要介绍如何用支持向量机做文本分类。该文前面主要介绍文本分类背景、意义和应用,之后对中文分词、文档建模、分类器训练和评估原理做了重点介绍,包括了自然语言处理中的统计语言模型,机器学习中的SVM算法、NNLM模型。

关键词：文档建模文本分类 SVM算法中文分词

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：