检索结果-内蒙古大学图书馆

湖北科技学院学报 2024年第3期44卷 151-156页

作者：蔡维奕西北民族大学数学与计算机科学学院甘肃兰州730030

古籍文献中存在着大量的多字词、歧义词、异体字等问题,使得古籍文献命名实体识别成为了一项具有挑战性的任务。本文提出一种基于BERT-bilstm-CRF模型的古籍文献命名实体识别方法。该方法首先用预训练语言模型BERT来建模字的上下文表示... 详细信息

古籍文献中存在着大量的多字词、歧义词、异体字等问题,使得古籍文献命名实体识别成为了一项具有挑战性的任务。本文提出一种基于BERT-bilstm-CRF模型的古籍文献命名实体识别方法。该方法首先用预训练语言模型BERT来建模字的上下文表示,然后通过bilstm模型对BERT的输出进行加工,解决长距离依赖问题,得到更加丰富的特征信息,最后通过CRF模型对这些特征进行联合建模,从而实现对古籍文献中命名实体的精确识别。实验结果显示,BERT-bilstm-CRF性能超过了所有基线模型。

关键词： bilstm模型 BERT模型古籍文献

来源：评论

学校读者我要写书评

暂无评论

我国电影评论的情感分析和票房预测研究

我国电影评论的情感分析和票房预测研究

引用

作者：张丽琴苏州大学

学位级别：硕士

随着社交网络平台的发展,电影评论越来越成为人们选择观看电影时的重要参考。论文探究电影评论对电影票房的影响力,将影评情感特征引入票房预测模型中进行分析。论文选取2020年到2022年国产电影的电影评论进行研究,通过数据清洗、分词... 详细信息

随着社交网络平台的发展,电影评论越来越成为人们选择观看电影时的重要参考。论文探究电影评论对电影票房的影响力,将影评情感特征引入票房预测模型中进行分析。论文选取2020年到2022年国产电影的电影评论进行研究,通过数据清洗、分词、去停用词等,构建基于bilstm模型的情感分析模型以充分挖掘观众对电影的真实观感。训练所得的模型在准确率上达到85.6%和F1综合评价指标为0.87,分类效果比较好。在票房预测模型研究上,论文选取电影时长、演员、导演、电影类型、电影制式、发行公司等传统影响因素,同时将影评情感引入,构建随机森林、XGBoost以及BP神经网络进行对比分析。实验结果表明,在不同的特征选择下,BP神经网络的准确度均最高,表现优于随机森林和XGBoost模型。其中BP神经网络模型的表现在基于随机森林的特征选择下要优于基于XGBoost模型的特征选择。而基于论文选取的指标,将情感特征引入预测模型是有效的,情感特征对于三种模型影响力大小不同,对随机森林的影响最大,对BP神经网络影响次之。但论文构建的不同BP神经网络在剔除情感特征后,测试集上RMSE值的都增大了 22.0%以上,情感特征对BP神经网络的预测性能影响较大。

关键词：情感分析 bilstm模型票房预测 BP神经网络

来源：评论

学校读者我要写书评

暂无评论

基于机器学习的新冠疫情病例分析与预测

基于机器学习的新冠疫情病例分析与预测

引用

作者：郭莎南京信息工程大学

学位级别：硕士

2019年年底,新冠疫情爆发,并以极快的速度在全球蔓延。相对于早年间的SAS与MERS,新冠病毒具有更高的变异性,全球众多国家与地区受到新冠疫情的影响。新冠疫情全球大流行态势严重,对人们正常的生活造成了影响,全球社会经济遭受巨大损失,... 详细信息

2019年年底,新冠疫情爆发,并以极快的速度在全球蔓延。相对于早年间的SAS与MERS,新冠病毒具有更高的变异性,全球众多国家与地区受到新冠疫情的影响。新冠疫情全球大流行态势严重,对人们正常的生活造成了影响,全球社会经济遭受巨大损失,人们的生命健康受到极大威胁。研究疫情发展趋势,反映疫情变化趋势与未来走向,为政府部门疫情防控措施提供客观依据,对未来疫情防控具有重大意义。近年来,机器学习方法在预测任务上得到广泛应用。本文在考虑疫苗接种、人口数量等因素对病例数据影响的基础上,使用LSTM模型及其变体模型进行新冠肺炎累计确诊病例进行预测,并在此基础上通过集成算法对上述模型进行融合预测,意在构建具有较小的预测误差与较高的预测精度的模型。主要研究工作如下:首先,基于实际数据集利用皮尔逊相关分析法对62种特征进行筛选,保留与累计确诊病例数据相关程度较高的特征组成相关特征数据集,提高模型的泛化能力。其次,在澳大利亚、以色列、南美洲、台湾地区加入相关特征的数据集上使用LSTM模型、GRU模型、bilstm模型、CNN-bilstm模型对累计确诊病例数进行预测,并与未加入相关特征的模型预测结果进行对比。最后分别在四个地区上对预测精度最高的两种模型进行Bagging集成,并将集成后的融合模型与单一模型的预测精度相对比。本文通过MAPE与R2对建立的模型进行评价。实验结果表明:加入与累计确诊病例数据相关程度较高的10种特征指标后,相对于未加入相关特征,不同地区上四种模型预测效果均有较大提升,MAPE值至少降低0.0036%,R2总体达0.90以上;相对于单一预测模型,经Bagging集成后的融合模型的MAPE值至少降低0.0001%,R2至少提高0.0002,预测结果更准确。

关键词：新冠疫情 LSTM模型 bilstm模型累计确诊病例预测 Bagging集成

来源：评论

学校读者我要写书评

暂无评论

融合注意力机制的深度学习中文情感分析算法研究与实现

融合注意力机制的深度学习中文情感分析算法研究与实现

引用

作者：王建荣广东海洋大学

学位级别：硕士

在信息时代的今天,人们习惯并热衷于在各种社交媒体上表达自己的观点内容,导致信息爆炸现象日益严重,如果能在过载的信息中精准挖掘用户的情感信息,将有利于快速了解社会舆情走向,同时也可分析出数据背后的商业价值。针对这一背景,本课... 详细信息

在信息时代的今天,人们习惯并热衷于在各种社交媒体上表达自己的观点内容,导致信息爆炸现象日益严重,如果能在过载的信息中精准挖掘用户的情感信息,将有利于快速了解社会舆情走向,同时也可分析出数据背后的商业价值。针对这一背景,本课题主要使用深度学习的相关方法,对用户情感倾向进行研究。词向量表征阶段选用预训练词向量、预训练模型,文本特征提取阶段选用双向长短时记忆网络和注意力机制,构建混合模型进行中文文本情感分类,最后基于分类模型设计和实现文本情感分析系统。本文主要研究内容如下: 第一,针对词语表征通用性不强和特征提取无法兼顾上下文信息的问题,本文构建了基于预训练词向量的bilstm-ATT情感分类模型。预训练词向量是基于大量语料训练的,因此它词语表征的通用性更强。文本数据在词嵌入层使用预训练词向量进行词嵌入,产生的文本词向量表征通用性更强,将它输入到双向长短时记忆网络(bilstm),利用网络提取句子上下文信息,输出的句子向量表示经过注意力机制层能更加关注文本语料中的重要部分,最后在全连接层和Sigmoid函数下输出情感倾向结果。该模型在Chn Senti Corp＿htl＿all等二分类数据集上进行实验,实验结果表明模型有着较好的分类效果,最后经过对比实验选用更适合的预训练词向量、调整超参数,模型分类效果得到进一步提升。第二,为了解决一词多义问题和进一步加强模型特征提取能力,本文构建了结合ERNIE的CBAM-bilstm情感分类模型。预训练模型ERNIE替代传统Word2Vec进行词语表征,能更全面捕捉文本语义信息和有效解决一词多义问题。经预处理后的文本先经过ERNIE层得到融合语句语境的词向量表示,然后在经过优化的卷积块注意力模块(CBAM)层中,使用加权方法自动对文本序列中的重要信息进行提取,再利用双向长短时记忆网络提取文本上下文信息,最后在全连接层和Sigmoid函数下输出情感倾向结果。该模型在n Co V＿***等多分类数据集上进行实验,实验结果表明模型有着较好的分类效果,最后经过超参数调整,模型分类效果得到进一步提升。第三,在Python的Flask框架下设计并实现情感分析系统,该系统的核心是本文构建的深度学习模型。通过该系统,可以方便地进行文本情感倾向预测、文本数据可视化和模型训练预测等功能。

关键词：情感分析 bilstm模型 ERNIE模型注意力机制 Flask框架

来源：评论

学校读者我要写书评

暂无评论

基于知识蒸馏模型的文本情感分析

引用

软件工程 2024年第4期27卷 27-32页

作者：李锦辉刘继新疆财经大学统计与数据科学学院新疆乌鲁木齐830012 新疆财经大学新疆社会经济统计与大数据中心新疆乌鲁木齐830012

为了解决预训练语言模型训练时间过长、参数多且难以部署,以及非预训练语言模型分类效果较差的问题,提出了基于知识蒸馏模型的文本情感分析。以预训练深度学习模型(Bidirectional Encoder Representations from Transformers, BERT)作... 详细信息

为了解决预训练语言模型训练时间过长、参数多且难以部署,以及非预训练语言模型分类效果较差的问题,提出了基于知识蒸馏模型的文本情感分析。以预训练深度学习模型(Bidirectional Encoder Representations from Transformers, BERT)作为教师模型,选择双向长短期记忆网络(Bidirectional Long Short-Term Memory, bilstm)作为学生模型;在知识蒸馏过程中,将教师模型的Softmax层的输出作为“知识”蒸馏给学生模型,并将蒸馏后的模型应用到公共事件网络舆情文本情感分析中。实验结果表明,该模型参数仅为BERT模型的1/13,使bilstm模型的准确率提升了2.2百分点,优于其他同类别轻量级模型,提高了文本情感分析效率。

关键词：知识蒸馏网络舆情 BERT模型 bilstm模型

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的古诗词情感分析

引用

电脑编程技巧与维护 2024年第5期 124-126页

作者：李靓玥长江大学计算机科学学院湖北荆州434020

自然语言处理(NLP)是计算机科学领域与人工智能领域中的一个重要研究方向。文本分类作为NLP领域常见的任务之一,其在古诗词分析领域的应用并不多。研究将NLP技术应用于古诗词情感分析,对不同古诗词的情感进行分类判断。首先,利用Word2ve... 详细信息

自然语言处理(NLP)是计算机科学领域与人工智能领域中的一个重要研究方向。文本分类作为NLP领域常见的任务之一,其在古诗词分析领域的应用并不多。研究将NLP技术应用于古诗词情感分析,对不同古诗词的情感进行分类判断。首先,利用Word2vec方法训练词向量模型,对文本进行向量化处理;其次,构建双向长短期记忆网络(bilstm)模型对古诗词进行3种情感分类。通过实验,证实该模型的精确率达到77%,取得了较好的古诗词情感分析结果,验证了模型的有效性。

关键词：古诗词深度学习 bilstm模型情感分析

来源：评论

学校读者我要写书评

暂无评论

媒体情绪对上市公司业绩预告的影响 ——基于深度学习方法的经验证据

媒体情绪对上市公司业绩预告的影响 ——基于深度学习方法的经验...

引用

作者：朱斌电子科技大学

学位级别：硕士

随着金融企业监管制度的成熟与完善,企业的信息披露行为也愈发变得规范。但是,“变脸”事件依旧屡屡发生,且业绩预告披露信息质量良莠不齐。为此,学者曾从许多角度对业绩预告质量的影响因素展开研究,本文乘着技术发展的大船,发掘了一个... 详细信息

随着金融企业监管制度的成熟与完善,企业的信息披露行为也愈发变得规范。但是,“变脸”事件依旧屡屡发生,且业绩预告披露信息质量良莠不齐。为此,学者曾从许多角度对业绩预告质量的影响因素展开研究,本文乘着技术发展的大船,发掘了一个新的影响因素:媒体情绪。基于深度学习技术,对媒体的新闻文本进行学习训练,获得一个可以量化的情绪指标。将媒体情绪指标作为研究对象,探究媒体情绪对业绩预告质量的影响。立足于信息操纵理论和情绪渲染理论,研究媒体情绪如何影响管理层行为。而本文中的管理层行为特指对于业绩预告质量的控制。为探索媒体的文本内容对企业发布业绩预告意愿的影响,本文先对是否有媒体报道、以及报道的数量进行回归检验。结果表明受到媒体关注的企业更倾向于发布业绩预告,而受到关注的企业样本中,关注度与发布业绩预告愿意呈正相关。实证结果表明,媒体情绪对业绩预告呈现显著负向影响,即消极的媒体情绪可以达到外部治理效应,提高业绩预告质量。本文业绩预告质量使用了精准度、偏离度、及时性三个指标。其中精准度和偏离度回归结果一致为显著的负向影响,而媒体情绪对业绩预告及时性却存在显著正向影响,即媒体情绪越消极,企业管理层越拖着发布业绩预告。在加入机构投资者占比和是否执行股权激励计划影响因素以后,发现机构投资者占比对该效应存在显著的负向调节,即企业中机构投资者占比越高,企业管理层的决策愈发理性,因此媒体情绪对管理层决策的影响越小。本文还将数据样本按照企业特征、行业特征、经济环境特征进行分组实验,实验结果表明不同板块下的企业受到媒体情绪的影响效应不同,而结果在沪市主板的企业样本回归中最为显著。以精准度指标来看,某些特定的行业如:制造业、建筑业、卫生和社会工作、批发和零售业、金融业的企业受到媒体情绪的影响最显著,而租赁和商业服务业的企业受到的影响显著但与全样本结果相反。在疫情后,由于疫情防控政策,企业生产的不确定性更高。因此,疫情后媒体情绪对业绩预告质量的影响显著性不如疫情前。此外,以往学者对媒体相关信息的采集主要依靠搜索指数和对新闻文本的词频统计,本文使用深度学习模型构造媒体情绪指标,使得情绪衡量更合理。本文边际地拓展了关于业绩预告影响因素的立意角度,同时丰富了媒体文本在金融领域的实证研究中的应用。

关键词：业绩预告质量媒体情绪 bilstm模型

来源：评论

学校读者我要写书评

暂无评论

融合注意力机制的人机交互信息半监督敏感数据抽取算法

引用

计算技术与自动化 2023年第3期42卷 85-89,95页

作者：牟少霞吕冰彩菲律宾永恒大学菲律宾马尼拉6015 山东省教育招生考试院山东济南250011

为提高敏感数据抽取效果,提出了融合注意力机制的人机交互信息半监督敏感数据抽取方法。融合类卷积以及人机交互注意力机制构建融合交互注意力机制双向长短词记忆(Bi-LSTM-CRF)模型,通过模型的类卷积交互注意力机制将敏感词转化为字符矩... 详细信息

为提高敏感数据抽取效果,提出了融合注意力机制的人机交互信息半监督敏感数据抽取方法。融合类卷积以及人机交互注意力机制构建融合交互注意力机制双向长短词记忆(Bi-LSTM-CRF)模型,通过模型的类卷积交互注意力机制将敏感词转化为字符矩阵,采用Bi-LSTM对该矩阵进行编码获得敏感词字符级特点的分布式排列,通过Bi-LSTM对该分布式排列的二次编码获得敏感词上下文信息的隐藏状态,基于该隐藏状态通过类卷积注意力层与交互注意力层进行注意力加权,获得类卷积注意力矩阵与交互注意力矩阵,拼接两个矩阵得到双层注意力矩阵,利用交互注意力层门控循环单元升级双层注意力矩阵成新的注意力矩阵,经全连接降维获取敏感词对应的预测标签,实现人机交互信息半监督敏感数据抽取。实验结果说明:该方法可有效降低敏感数据抽取复杂度,具有较高的敏感数据抽取查全率。

关键词：注意力机制人机交互半监督敏感数据抽取 bilstm模型 CRF模型

来源：评论

学校读者我要写书评

暂无评论

一种新型日前光伏功率概率区间预测方法研究

引用

自动化应用 2023年第3期64卷 71-74,78页

作者：李溪胡梦浩冯耀冬华北水利水电大学电气工程学院河南郑州450011

面对大量光伏出力并网,其带来的波动性和不确定性给智能微电网的控制和设计带来了很大的挑战。因此,文章提出一种基于WD-bilstm-NPKDE的日前光伏功率概率区间预测方法。首先,利用小波分解方法进行数据信号分解,进一步消除随机性、波动... 详细信息

面对大量光伏出力并网,其带来的波动性和不确定性给智能微电网的控制和设计带来了很大的挑战。因此,文章提出一种基于WD-bilstm-NPKDE的日前光伏功率概率区间预测方法。首先,利用小波分解方法进行数据信号分解,进一步消除随机性、波动性对预测精度的影响;其次,将分解后的分量输入到bilstm模型进行训练;再次,采用非参数核密度估计求解概率预测结果;最后,得到给定置信水平下的光伏功率预测区间。算例结果表明,该方法能有效得到光伏功率区间。

关键词：光伏功率概率区间预测小波分解 bilstm模型非参数核密度估计

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的细粒度命名实体识别研究——以番茄病虫害为例

引用

情报科学 2021年第11期39卷 96-102页

作者：任妮鲍彤沈耕宇郭婷江苏大学科技信息研究所江苏镇江212013 江苏省农业科学院信息中心江苏南京210014

【目的/意义】开展面向领域的细粒度命名实体识别研究对于提升文本挖掘精度具有重要的意义,本文以番茄病虫害命名实体为例,探索采用深度学习技术实现面向领域的细粒度命名实体识别研究方法。【目的/意义】文章以电子书、论文、网页作为... 详细信息

【目的/意义】开展面向领域的细粒度命名实体识别研究对于提升文本挖掘精度具有重要的意义,本文以番茄病虫害命名实体为例,探索采用深度学习技术实现面向领域的细粒度命名实体识别研究方法。【目的/意义】文章以电子书、论文、网页作为数据源,选择品种、病虫害、症状、时间、部位、防治药剂六类实体进行标注,利用BERT和CBOW预训练字向量分别输入bilstm-CRF模型训练,并在识别后补充规则控制实体的边界。【结果/结论】BERT预训练的字向量和bilstm-CRF结合,在补充规则控制后F值达到了81.03%,优于其它模型,在番茄病虫害领域的实体识别中具有较好的效果。【创新/局限】BERT预训练的字向量可以有效降低番茄病虫害领域实体因分词错误带来的影响,针对不同实体的特点,补充规则可以有效控制实体边界,提高识别准确率。但本文的规则补充仅在测试阶段,并没有加入训练过程,整体的准确率还有待提高。

关键词：细粒度 BERT模型 bilstm模型命名实体识别番茄病虫害

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：