检索结果-内蒙古大学图书馆

作者：陈诗玉暨南大学

学位级别：硕士

近年来,聊天机器人在越来越多的领域有了应用,但在实际应用中还有一些障碍需要克服,比如对用户的问句难以有准确的回答。word2vec模型在情感分析、机器翻译等领域的应用中有良好的表现,文章通过将其应用到聊天机器人问句分类和相似度计... 详细信息

近年来,聊天机器人在越来越多的领域有了应用,但在实际应用中还有一些障碍需要克服,比如对用户的问句难以有准确的回答。word2vec模型在情感分析、机器翻译等领域的应用中有良好的表现,文章通过将其应用到聊天机器人问句分类和相似度计算中并进行改进,以得到更好的问句分类和相似度计算效果,提升用户体验。word2vec模型通过训练词向量,将词向量进行组合得到文档向量进行文本表示,具有良好语义表达效果。本文将在此基础上进行改进得到组合的文本表示方法,它通过将词性贡献因子和TF-IDF结合作为权重,对word2vec词向量进行加权求得句子向量与LDA主题模型训练出的句子向量拼接进行文本表示,并且以word2vec词向量为基础提出计算问句间的相似度的算法。利用聊天机器人对话语料中的问句进行实证研究得出如下结论:较其他三种常用的文本表示,基于word2vec模型的组合文本表示在KNN、NB、SVM三种分类器的问句分类结果中F1值均有提升,达到了较好的问句分类效果;在问句相似度计算中,相较于编辑距离和Jaccard系数,基于word2vec模型的相似度计算方法在测试数据中有更好的计算效果,虽在计算时间上略有弱势,但仍在可接受的合理范围内。综上可以看出,word2vec模型训练出的词向量具有良好的语义表达效果,使得文本表示不再停留在语言表层更多的深入语义,利用此模型进行问句分类和问句相似度计算可以取得良好的效果。

关键词：聊天机器人文本表示问句分类问句相似度计算 word2vec模型

来源：评论

学校读者我要写书评

暂无评论

基于LDA和word2vec模型的学位论文评阅意见主题挖掘与分析

引用

福建师范大学学报（自然科学版） 2024年第5期40卷 41-51页

作者：王孟苏进城陈志德福建师范大学研究生院福建福州350117 福建师范大学计算机与网络空间安全学院福建福州350117

选取某高校部分硕士学位论文评阅意见为研究对象,使用自然语言处理和机器学习技术进行自动化的硕士学位论文评阅意见主题挖掘与分析。首先,采用LDA(latent dirichlet allocation)模型对评阅数据进行主题建模,提取文本中的潜在主题,并将... 详细信息

选取某高校部分硕士学位论文评阅意见为研究对象,使用自然语言处理和机器学习技术进行自动化的硕士学位论文评阅意见主题挖掘与分析。首先,采用LDA(latent dirichlet allocation)模型对评阅数据进行主题建模,提取文本中的潜在主题,并将评阅意见转化为主题分布向量;其次,结合word2vec模型将评阅意见的关键词转化为向量表达;最后,采用TextRank方法提取关键词,以揭示评阅专家的关注核心主题。实验结果表明,所提方法能为高校管理人员提供切实有效的分析工具,有助于他们更好地分析总结评阅意见,同时也为硕士研究生撰写高质量学位论文提供有益借鉴。

关键词：硕士学位论文自然语言处理 LDA模型 word2vec模型 TextRank方法

来源：评论

学校读者我要写书评

暂无评论

基于相似云和word2vec模型的大数据背景下缺失数据问题研究

基于相似云和Word2vec模型的大数据背景下缺失数据问题研究

引用

作者：李硕华北理工大学

学位级别：硕士

大数据时代,每天都会产生源源不断的数据,人们想要从中挖掘有用的信息,揭示客观世界的潜在规律。然而现实世界的数据存在严重缺失问题,这不仅影响数据挖掘效率,同时也降低信息的可靠性。因此,填补缺失数据成为数据分析的研究热点。日常... 详细信息

大数据时代,每天都会产生源源不断的数据,人们想要从中挖掘有用的信息,揭示客观世界的潜在规律。然而现实世界的数据存在严重缺失问题,这不仅影响数据挖掘效率,同时也降低信息的可靠性。因此,填补缺失数据成为数据分析的研究热点。日常生活中,不同领域产生的数据都含有文本属性,一定程度上增加了数据填补难度。在研究中,首先使用word2vec模型处理文本数据,然后使用相似云模型对高维缺失数据进行填补,最后提出一种基于相似云和word2vec模型的缺失数据填补模型。实验结果表明,该模型在不同缺失率的数据集中均具有更加高效的性能。主要研究内容如下: 首先,将文本型数据进行清洗,分离文本型数据和数值型数据,使用word2vec方法中的连续词袋模型和跳字节模型将词转化为向量,然后和归一化的数值型数据进行组合,得到纯数值型数据。其次,将组合后的数据集缺失率设置为10%、15%、25%和50%,然后使用相似云填补,并与目前已有的均值填补、众数填补、K最近邻填补和随机森林填补四种填补算法进行对比分析。最后,使用随机森林回归模型对缺失值填补算法进行性能评估,选取均方误差、均方根误差、平均绝对误差和R2四种评价指标评估数据填补质量并对比模型效果。研究结果表明,在缺失率为10%时,相似云填补效果和随机森林填补效果优于均值填补、众数填补、K最近邻填补。当缺失率为15%、25%和50%时,相似云填补效果优于其他四种填补方法。随着数据集中缺失率的增加,相似云填补的精度随之降低。图19幅;表13个;参60篇。

关键词：缺失数据相似云模型 word2vec模型缺失值填补

来源：评论

学校读者我要写书评

暂无评论

基于word2vec模型进行古诗词个性化推荐的研究

引用

计算机科学与应用 2018年第8期8卷 1292-1299页

作者：刘宗亮黄浩对外经济贸易大学信息学院北京

古诗词是中华优秀传统文化上璀璨的明珠,两千年来,我国优秀诗人辈出,其诗作若满天繁星,内容丰富,影响深远。随着计算机技术的不断发展,推荐系统在我们的生活中处处可见,为越来越多的用户提供了便利。然而,目前对于古诗词的个性化智能推... 详细信息

古诗词是中华优秀传统文化上璀璨的明珠,两千年来,我国优秀诗人辈出,其诗作若满天繁星,内容丰富,影响深远。随着计算机技术的不断发展,推荐系统在我们的生活中处处可见,为越来越多的用户提供了便利。然而,目前对于古诗词的个性化智能推荐系统比较匮乏,绝大多数的诗词网站也只是对于诗词内容的简单展示,而非推荐,所以进行古诗词推荐方面的研究对于促进中华优秀传统文化的传播具有重要意义。本文基于word2vec模型,通过利用网络上爬取的古诗词数据进行训练,实现了古诗词的个性化推荐。

关键词：推荐系统古诗词 word2vec模型

来源：评论

学校读者我要写书评

暂无评论

全民健身背景下用户在线健身需求体系构建与分析——基于word2vec-IPA模型的研究

引用

北京体育大学学报 2024年第4期47卷 131-143页

作者：郭家欣崔乐泉郑州大学管理学院河南郑州450001 郑州大学体育学院(校本部) 河南郑州450001

精准识别并深入分析健身App用户需求,对于推动健身App发展和优化大众在线健身体验具有重要价值。基于健身App在线评论数据,运用word2vec模型和K-means++算法精准识别用户在线健身需求,构建在线健身需求体系,并结合IPA模型分析各需求维... 详细信息

精准识别并深入分析健身App用户需求,对于推动健身App发展和优化大众在线健身体验具有重要价值。基于健身App在线评论数据,运用word2vec模型和K-means++算法精准识别用户在线健身需求,构建在线健身需求体系,并结合IPA模型分析各需求维度关注度与满意度及两者间关系。结果显示,在线健身需求体系由4个维度构成:服务(基本功能属性/付费会员体验)、信息(运动数据记录/健身信息资源)、交互(社会交流互动/情感交流反馈)及技术(页面布局设计/技术设备支持)。其中,用户高度关注基本功能属性和健身信息资源且满意度较高,应采取优势保持策略;运动数据记录和设备技术支持满意度较低,但关注度较高,应重点优化;其他子维度的关注度较低,建议采取低优先改进策略。研究解决了以往用户在线健身需求研究的主观性和片面性问题,识别了市场与真实需求之间的对接不足,为在线健身产业优化方向提供了指导。

关键词：在线评论健身App word2vec模型 IPA模型需求体系

来源：评论

学校读者我要写书评

暂无评论

新媒体与企业管理研究的中文文献主题演化——基于word2vec与LDA模型的可视化分析(2017—2023)

引用

新媒体研究 2023年第21期9卷 24-30页

作者：金国峰陈泽峰辽宁工程技术大学工商管理学院

相对于传统的LDA模型,引入word2vec的LDA模型在进行主题演化分析时,可以更好地理解并追踪主题的演变过程。结合word2vec与LDA模型,对2017年至2023年有关“新媒体与企业管理”的中文文献进行主题演化分析,生成主题演化桑基图。结果显示:... 详细信息

相对于传统的LDA模型,引入word2vec的LDA模型在进行主题演化分析时,可以更好地理解并追踪主题的演变过程。结合word2vec与LDA模型,对2017年至2023年有关“新媒体与企业管理”的中文文献进行主题演化分析,生成主题演化桑基图。结果显示:在第一阶段(2017年至2019年),大部分研究主要集中在新媒体环境下的企业公共关系管理;在第二阶段(2020年至2023年),除了延续既有的主题,部分研究焦点转移到市场竞争、数字转型、人力资源及消费者等其他情境和要素。未来的研究可以进一步挖掘新媒体的潜力,更好地帮助企业应对来自市场竞争和数字化转型的挑战,同时也要关注对应的技术和伦理风险。

关键词：主题识别演化分析 word2vec模型 LDA主题模型新媒体企业管理

来源：评论

学校读者我要写书评

暂无评论

word2vec-ACV:OOV语境含义的词向量生成模型

引用

计算机应用研究 2019年第6期36卷 1623-1628页

作者：王永贵郑泽李玥辽宁工程技术大学软件学院

针对word2vec模型生成的词向量缺乏语境的多义性以及无法创建集外词(OOV)词向量的问题,引入相似信息与word2vec模型相结合,提出word2vec-ACV模型。该模型首先基于连续词袋(CBOW)和Hierarchical softmax的word2vec模型训练出词向量矩阵... 详细信息

针对word2vec模型生成的词向量缺乏语境的多义性以及无法创建集外词(OOV)词向量的问题,引入相似信息与word2vec模型相结合,提出word2vec-ACV模型。该模型首先基于连续词袋(CBOW)和Hierarchical softmax的word2vec模型训练出词向量矩阵即权重矩阵;然后将共现矩阵进行归一化处理得到平均上下文词向量,再将词向量组成平均上下文词向量矩阵;最后将平均上下文词向量矩阵与权重矩阵相乘得到词向量矩阵。为了能同时解决集外词及多义性问题,将平均上下文词向量分为全局平均上下文词向量(global ACV)和局部平均上下文词向量(local ACV)两种,并对两者取权值组成新的平均上下文词向量矩阵,并将word2vec-ACV模型和word2vec模型分别进行类比任务实验和命名实体识别任务实验。实验结果表明,word2vec-ACV模型同时解决了语境多义性以及创建集外词词向量的问题,降低了时间消耗,提升了词向量表达的准确性和对海量词汇的处理能力。

关键词： word2vec模型词向量共现矩阵平均上下文词向量

来源：评论

学校读者我要写书评

暂无评论

基于word2vec和向量空间模型的欠抽样算法研究

基于Word2vec和向量空间模型的欠抽样算法研究

引用

作者：董明月华北理工大学

学位级别：硕士

不平衡数据的分类问题一直以来都是研究的热点,一般有两种研究方式,数据层面的研究和算法层面的研究。许多领域的不平衡数据都含有文本属性,如经济、医疗、工业等领域。现阶段,对于含有文本型不平衡数据的研究,一般采用简单的数字编码或... 详细信息

不平衡数据的分类问题一直以来都是研究的热点,一般有两种研究方式,数据层面的研究和算法层面的研究。许多领域的不平衡数据都含有文本属性,如经济、医疗、工业等领域。现阶段,对于含有文本型不平衡数据的研究,一般采用简单的数字编码或者One-Hot编码,这些不能很好地反映出不同特征之间的差别,导致分类效果存在一定的偏差。因此,为了更好地处理含文本属性的混合数据集的分类问题,将文本挖掘工具word2vec方法与不平衡数据的欠抽样相结合,对含有文本属性的混合样本数据进行相似性探索。具体内容如下:1.对数据进行清洗,分离不平衡数据中的文本数据与向量数据。为了更好地反映出文本数据之间的相关性,利用word2vec方法中的跳字节模型,将不平衡数据中的文本数据转化为向量数据。对原向量数据进行归一化处理,并和转化后的文本数据进行组合。2.对组合后的不平衡数据,利用向量空间模型中的余弦相似度、欧氏距离、曼哈顿距离和切比雪夫距离来寻求多数类样本的最优相似度,并进行欠抽样,使其成为相对平衡的数据集。3.利用Logistic回归模型分析欠抽样效果,对比模型准确度,通过不同的数据集进行实证分析。研究结果表明,通过word2vec方法中的跳字节模型将文本数据转化为向量数据,利用余弦相似度、欧氏距离和曼哈顿距离进行欠抽样,得到的模型分类准确率随类别比例的升高而不断下降;利用切比雪夫距离进行欠抽样,得到的模型分类准确率在不同类别比例下变化幅度不大。说明本方法对类别比例较低的含有文本属性的不平衡数据有较好的应用效果。图9幅;表39个;参55篇。

关键词：不平衡数据 word2vec模型向量空间模型欠抽样 Logistic回归模型

来源：评论

学校读者我要写书评

暂无评论

基于word2vec词嵌入模型研究

基于Word2Vec词嵌入模型研究

引用

作者：郑泽辽宁工程技术大学

学位级别：硕士

word2vec模型是将文本中词转换成词向量的神经网络语言模型,广泛应用于情感分析、机器问答等自然语言处理领域。针对word2vec模型生成的词向量缺乏语境的多义性以及无法创建未登录词(OOV)词向量的问题,本文基于文档上下文的相似信息与Wo... 详细信息

word2vec模型是将文本中词转换成词向量的神经网络语言模型,广泛应用于情感分析、机器问答等自然语言处理领域。针对word2vec模型生成的词向量缺乏语境的多义性以及无法创建未登录词(OOV)词向量的问题,本文基于文档上下文的相似信息与word2vec模型结合提出符合OOV语境含义的词向量生成模型,称为word2vec-ACV模型。首先将文档中的词以向量的形式保存到共现矩阵中,然后将共现矩阵进行归一化处理得到平均上下文词向量,再将其组成平均上下文词向量矩阵,最后将平均上下文词向量矩阵与基于连续词袋(CBOW)和Hierarchical Softmax的word2vec模型训练出来的权重矩阵相乘得到word2vec-ACV词向量。为了能同时解决未登录词及多义性问题,本文把平均上下文词向量分为全局平均上下文词向量(Global ACV)和局部平均上下文词向量(Local ACV)两种,并对二者取权值组成新的平均上下文词向量矩阵。该模型能有效的将词表达成向量的形式。分别对类比任务和命名实体识别(NER)任务进行实验,结果表明word2vec-ACV模型在对词向量的准确表达上优于word2vec模型,是一个为OOV词创建出符合上下文语境的词向量表示方法。

关键词： word2vec模型词向量 OOV 共现矩阵平均上下文词向量

来源：评论

学校读者我要写书评

暂无评论

基于LDA-加权word2vec组合的机器学习情感分类模型研究

引用

现代计算机 2022年第18期28卷 16-22页

作者：陈登建杜飞霞吴瑞雪杨秀璋夏换贵州财经大学信息学院贵阳550025 贵州财经大学贵州省经济系统仿真重点实验室贵阳550025

为解决社交媒体用户发布评论文本过长,导致情感倾向不明确,情感特征分布离散,传统情感分类模型缺乏上下文语义分析,提取情感特征不准确,分类精准率较低的难题,提出一种主题模型与词向量组合特征(LDA-word2vec)的情感分类模型。通过LDA... 详细信息

为解决社交媒体用户发布评论文本过长,导致情感倾向不明确,情感特征分布离散,传统情感分类模型缺乏上下文语义分析,提取情感特征不准确,分类精准率较低的难题,提出一种主题模型与词向量组合特征(LDA-word2vec)的情感分类模型。通过LDA主题模型对长评论文本进行特征提取,构建所有主题下的特征词库;借助特征词库构建长评论的LDA特征表达;利用CBOW训练得到特征表达后文本的词向量表示,使用TF-IDF对词向量进行加权并融合语义特征,再构建机器学习模型对长评论文本进行情感分类的方法,研究了机器学习情感分类模型。实验结果表明:相较于传统的文本特征表示方法,本文提出的LDA-word2vec组合特征的方法,在情感分类的准确率与召回率的表现上都更加优秀。可见本文的模型能够进一步挖掘文本的情感特征,具有一定学术意义和现实意义。

关键词： LDA主题挖掘 word2vec模型机器学习情感分类

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：