检索结果-内蒙古大学图书馆

计算机工程 2021年第1期47卷 79-86页

作者：段丹丹唐加山温勇袁克海南京邮电大学理学院南京210023 圣母大学心理学系美国南本德46556

针对现有中文短文本分类算法通常存在特征稀疏、用词不规范和数据海量等问题,提出一种基于Transformer的双向编码器表示(BERT)的中文短文本分类算法,使用BERT预训练语言模型对短文本进行句子层面的特征向量表示,并将获得的特征向量输入S... 详细信息

针对现有中文短文本分类算法通常存在特征稀疏、用词不规范和数据海量等问题,提出一种基于Transformer的双向编码器表示(BERT)的中文短文本分类算法,使用BERT预训练语言模型对短文本进行句子层面的特征向量表示,并将获得的特征向量输入Softmax回归模型进行训练与分类。实验结果表明,随着搜狐新闻文本数据量的增加,该算法在测试集上的整体F1值最高达到93%,相比基于TextCNN模型的短文本分类算法提升6个百分点,说明其能有效表示句子层面的语义信息,具有更好的中文短文本分类效果。

关键词：中文短文本分类基于Transformer的双向编码器表示 Softmax回归模型 TextCNN模型 word2vec模型

来源：评论

学校读者我要写书评

暂无评论

基于主题和情绪相互作用的微博舆情演化研究——以“红黄蓝虐童事件”为例

引用

情报杂志 2018年第12期37卷 118-123页

作者：姜金贵闫思琦哈尔滨工程大学经济管理学院哈尔滨150001

[目的/意义]从内容层面深入挖掘微博舆情演化过程,根据主题和情绪的相互作用实时预测舆情变化,帮助政府及利益相关者快速地应对舆情。[方法/过程]以Python为工具采集并整理数据,运用word2vec模型识别文章主题特征,利用情感词典以及情绪... 详细信息

[目的/意义]从内容层面深入挖掘微博舆情演化过程,根据主题和情绪的相互作用实时预测舆情变化,帮助政府及利益相关者快速地应对舆情。[方法/过程]以Python为工具采集并整理数据,运用word2vec模型识别文章主题特征,利用情感词典以及情绪分析技术对文章评论进行情绪分析。[结果/结论]信息发布的及时性和透明性影响着微博舆情的发展趋势和网民的情绪,高涨的情绪则会促使主题内容倾向于网民的关注点,消息闭塞和极端情绪使得网民迫切希望了解真相,容易导致其轻信并传播不实消息。主题诱发情绪,情绪引导微博舆情演化进而催生主题,主题和情绪的相互作用推动了微博舆情各个阶段的演化。

关键词：主题识别 word2vec模型情绪分析微博舆情

来源：评论

学校读者我要写书评

暂无评论

基于医患交互数据的在线医生推荐研究

引用

情报理论与实践 2020年第8期43卷 159-166页

作者：熊回香李晓敏李建玲华中师范大学信息管理学院湖北武汉430079

[目的/意义]对医患交互过程中产生的文本数据进行挖掘分析,构建基于医患交互数据的医生推荐模型。[方法/过程]对患者咨询文本,利用word2vec模型和余弦相似度计算患者与患者间相似度,形成基于相似患者的医生推荐集;对医生被咨询文本,利用... 详细信息

[目的/意义]对医患交互过程中产生的文本数据进行挖掘分析,构建基于医患交互数据的医生推荐模型。[方法/过程]对患者咨询文本,利用word2vec模型和余弦相似度计算患者与患者间相似度,形成基于相似患者的医生推荐集;对医生被咨询文本,利用TF-IDF+word2vec模型和余弦相似度计算医生与医生间被咨询文本相似度,对医生积累的临床经验,利用文本相似度计算方法计算医生与医生间经验相似度,两部分医生相似度求和取平均形成基于相似医生的医生推荐集。融合基于相似患者的推荐集和基于相似医生的推荐集实现医生推荐。[结果/结论]以"好大夫在线"为例对模型进行验证,并随机选择11位患者进行模型测试,结果表明本文提出的模型推荐效果较好,能够帮助患者在所选医生没有可用资源时选择合适的医生,减少患者时间和医生资源的浪费。[局限]主要选取的是文本型数据,对于网站其他类型的数据并未涉及。

关键词：数据挖掘文本相似度 word2vec模型患者咨询文本医生推荐

来源：评论

学校读者我要写书评

暂无评论

民航不安全事件报告危险源识别模型

引用

安全与环境学报 2020年第1期20卷 186-192页

作者：王洁宁张聪俊张钰涵中国民航大学空中交通管理研究基地天津市空管运行规划与安全技术重点实验室天津300300

为了识别民航不安全事件的发生原因,从民航不安全事件报告出发,提出了一种基于LDA主题模型和word2vec模型的民航不安全事件报告危险源识别模型。首先,构建危险源标签分类表,选取民航不安全事件报告与Wiki中文数据库作为数据源,然后利用... 详细信息

为了识别民航不安全事件的发生原因,从民航不安全事件报告出发,提出了一种基于LDA主题模型和word2vec模型的民航不安全事件报告危险源识别模型。首先,构建危险源标签分类表,选取民航不安全事件报告与Wiki中文数据库作为数据源,然后利用LDA主题模型得出民航不安全事件报告的主题概率分布与词概率分布,最后利用Wiki中文数据库训练word2vec模型得到词向量,进而计算文档主题与不同危险源标签之间的相似度,得出民航不安全事件报告的危险源分类。结果表明,该模型的精准率为77.7%、召回率为86.8%、F为82.0%,能够有效识别各民航不安全事件报告的危险源。

关键词：安全管理工程民航不安全事件报告危险源识别 LDA主题模型 word2vec模型相似度

来源：评论

学校读者我要写书评

暂无评论

国有企业数字化转型的赋能机制与外部效应

引用

经济管理 2024年第4期46卷 80-95页

作者：王勇窦斌王悦清华大学社会科学学院北京100084 中国企业改革与发展研究会北京100053

国有企业的数字化转型如何提升其自身运营效率,对整体经济运行产生的影响效应如何,是推进国有企业数字化转型需要回答的关键问题。对此,本文基于word2vec神经网络语言模型,构造了国有企业数字化转型的量化指标,并结合国有上市企业的经... 详细信息

国有企业的数字化转型如何提升其自身运营效率,对整体经济运行产生的影响效应如何,是推进国有企业数字化转型需要回答的关键问题。对此,本文基于word2vec神经网络语言模型,构造了国有企业数字化转型的量化指标,并结合国有上市企业的经营数据,实证检验了国有企业数字化转型的赋能机制和外部效应。研究发现:国有企业的数字化转型可以通过优化人力资本、提升管理能力、增强创新能力三个渠道促进其生产效率的提升,呈现出显著的赋能效应;国有企业数字化转型对整体经济的外部效应体现在对其他企业转型的溢出效应,以及应对宏观经济冲击的稳定器效应。本文还发现,通过提高国有企业的财务柔性和适应性创新能力,以及加强管理层激励和加大政府补助力度,可以实现更好的转型效果。上述发现不仅从量化的角度检验了国有企业数字化转型的自身赋能效应和外部经济效应,论证了加快国有企业数字化转型的必要性,也明确了国有企业数字化转型的具体途径,为出台相关政策提供了理论依据。

关键词：国有企业数字化转型 word2vec模型溢出效应稳定器效应

来源：评论

学校读者我要写书评

暂无评论

DNA序列新特征的提取方法及其在重组位点识别中的应用

引用

中国海洋大学学报（自然科学版） 2023年第6期53卷 59-64页

作者：程丽荣赵熙强中国海洋大学数学科学学院山东青岛266100

为提升重组位点识别的预测性能,本文提出了一种新的特征提取方法来识别重组位点。分别利用word2vec模型编码的3-gram向量和DNA特性获得两组表示DNA序列的新特征,与已有的特征(FastText模型获取)进行组合来表示DNA序列,使用支持向量机为... 详细信息

为提升重组位点识别的预测性能,本文提出了一种新的特征提取方法来识别重组位点。分别利用word2vec模型编码的3-gram向量和DNA特性获得两组表示DNA序列的新特征,与已有的特征(FastText模型获取)进行组合来表示DNA序列,使用支持向量机为分类算法,在基准数据集上进行5倍交叉验证。研究表明,本文提出的方法在识别重组位点方面获得了93.88%的敏感性、95.08%的特异性、94.54%的准确率和0.8902的马修斯相关系数,以上指标均优于现有的方法,本文所提出的方法为解决生物学的序列信息提取问题提供了一种新思路。

关键词： DNA序列重组位点 word2vec模型词向量 3-gram 二核苷酸属性支持向量机

来源：评论

学校读者我要写书评

暂无评论

动态主题网络视角下的突破性创新主题识别:以区块链领域为例

引用

图书情报工作 2022年第10期66卷 45-58页

作者：陈虹枢宋亚慧金茜茜汪雪锋北京理工大学管理与经济学院北京100081

[目的/意义]突破性创新对科技发展具有关键作用。大数据环境下,科学技术发展本身所具有的复杂、多维、不断进化等特征越发凸显。以动态视角进行突破性创新主题识别,对于为国家、企业及高校详析突破性创新领域、合理配置创新资源以及提... 详细信息

[目的/意义]突破性创新对科技发展具有关键作用。大数据环境下,科学技术发展本身所具有的复杂、多维、不断进化等特征越发凸显。以动态视角进行突破性创新主题识别,对于为国家、企业及高校详析突破性创新领域、合理配置创新资源以及提供创新升级解决方案具有重要意义。[方法/过程]综合运用主题模型、词嵌入算法以及复杂网络分析等方法构建动态主题网络,全面考量主题在时间窗口内的结构特性以及时间窗口间的演化状态,并以其为基础结合突破性创新的新颖性、突变性、影响力和学科交叉性特征识别突破性创新主题。[结果/结论]面向区块链领域展开实证研究,识别出神经网络(Neural Network)和边缘计算(Edge Computing)两个主题的突破性创新特征最为显著。结合区块链现有研究及美国国家科学技术委员会发布的关键和新兴技术清单,验证了本文方法的可行性和有效性。但有关结果的定量验证,以及融合多源数据的突破性创新主题识别有待进一步研究。

关键词：突破性创新主题网络主题识别 LDA word2vec模型区块链

来源：评论

学校读者我要写书评

暂无评论

多模态文本信息的高速公路交通事件持续时间预测

引用

中国安全生产科学技术 2023年第6期19卷 180-186页

作者：陈娇娜陶伟俊靳引利王鹏张静西安石油大学电子工程学院陕西西安710065 长安大学电子工程学院陕西西安710061

为研究文本信息质量对高速公路应急处置的影响,针对多阶段自然语言描述的交通事件文本信息,提出基于预训练模型和深度学习的多模态数据持续时间预测架构,通过对比分析word2vec、BERT、ALBERT和RoBERTa预训练模型在BiLSTM-CNN基准预测模... 详细信息

为研究文本信息质量对高速公路应急处置的影响,针对多阶段自然语言描述的交通事件文本信息,提出基于预训练模型和深度学习的多模态数据持续时间预测架构,通过对比分析word2vec、BERT、ALBERT和RoBERTa预训练模型在BiLSTM-CNN基准预测模型上的性能指标,检验预训练后词向量在原始文本、首次文本和拼接文本3种模态的准确性和稳健性。研究结果表明:word2vec-BiLSTM-CNN模型预测性能较优,训练时间短且具有较好的鲁棒性,能够适用于不同模态的文本数据;相较于原始文本和拼接文本,首次文本信息预测效果良好,是交通事件持续时间预测的关键;拼接文本虽然增加了训练时间,但预测性能并未得到提高。研究结果可有效论证文本信息质量对高速公路应急处置的重要作用,为后续多阶段文本信息数据处理提供支撑。

关键词：交通安全事件持续时间多模态数据 word2vec模型 BiLSTM-CNN

来源：评论

学校读者我要写书评

暂无评论

基于关系触发词与单层GRU模型的关系抽取方法

引用

吉林大学学报（理学版） 2020年第1期58卷 95-103页

作者：王磊刘露牛亮胡封晔彭涛吉林大学计算机科学与技术学院长春130012 吉林大学符号计算与知识工程教育部重点实验室长春130012 吉林大学软件学院长春130012 吉林大学通信工程学院长春130012 吉林大学第一医院长春130021

基于关系触发词与单层门控循环单元模型进行关系抽取,以降低关系抽取模型结构的复杂度,并提高模型的训练效率.通过计算单词的依存距离与序列距离得到关系触发词,利用单层门控循环单元模型进行关系抽取,并在SemEval2010Task8数据集上进... 详细信息

基于关系触发词与单层门控循环单元模型进行关系抽取,以降低关系抽取模型结构的复杂度,并提高模型的训练效率.通过计算单词的依存距离与序列距离得到关系触发词,利用单层门控循环单元模型进行关系抽取,并在SemEval2010Task8数据集上进行实验.实验结果表明,该方法能有效提取出关系触发词,并具有较高的关系抽取准确率.

关键词：关系抽取关系触发词句法依存分析 word2vec模型门控循环单元

来源：评论

学校读者我要写书评

暂无评论

一种基于共现关键词的TextRank文摘自动生成算法

引用

计算机工程与科学 2023年第11期45卷 2060-2069页

作者：阎红灿李铂初谷建涛华北理工大学理学院河北唐山063210 河北省数据科学与应用重点实验室河北唐山063000

传统TextRank算法在生成摘要时只考虑句子间的相似度,忽略了文章本身间的相似度,且生成的摘要往往包含重复的信息表达。为此,提出一种基于共现关键词的TextRank算法,用word2vec模型将文章表示为句向量,考虑到文章的类别,将该类文章的共... 详细信息

传统TextRank算法在生成摘要时只考虑句子间的相似度,忽略了文章本身间的相似度,且生成的摘要往往包含重复的信息表达。为此,提出一种基于共现关键词的TextRank算法,用word2vec模型将文章表示为句向量,考虑到文章的类别,将该类文章的共现关键词作为参数参与句子权值的迭代计算,然后,通过句子长度、关键词数量等信息对迭代得到的句子权重加以修正。实验结果表明,所提算法能够提高生成摘要的全面性和准确性。同时,所提算法使用MMR对抽取得到的摘要进行去除冗余处理,改善了摘要的重复表达情况。

关键词：自动摘要生成 TextRank 共现关键词 MMR算法 word2vec模型

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：