检索结果-内蒙古大学图书馆

数据分析与知识发现 2019年第6期3卷 66-74页

作者：黄菡王宏宇王晓光中南财经政法大学信息与安全工程学院武汉430073 武汉大学信息资源研究中心武汉430072 武汉大学信息管理学院武汉430072

【目的】实现对大规模法律文本中法律术语的自动识别,促进法律大数据的结构化进程。【方法】将条件随机场模型作为主动学习算法的分类器,在经过K-means聚类后的语料库中,按照分层抽样的方式抽取用于启动主动学习算法的初始样本,将熵值... 详细信息

【目的】实现对大规模法律文本中法律术语的自动识别,促进法律大数据的结构化进程。【方法】将条件随机场模型作为主动学习算法的分类器,在经过K-means聚类后的语料库中,按照分层抽样的方式抽取用于启动主动学习算法的初始样本,将熵值作为主动学习的样例选择依据,迭代地进行主动学习的学习过程及样例选择过程,直到模型的调和均值F值趋于稳定时停止迭代,输出最终的法律术语自动识别模型——AL-CRF模型。【结果】在中文裁判文书上的命名实体识别实验表明,通过少量且高质的样本训练的AL-CRF模型对于法律术语的识别准确率和召回率可达90%以上,且相较于等标注工作量训练的CRF模型F值提高4.85%。【局限】K-means聚类方法对噪声和离群点较为敏感,可能会影响模型的识别效果。【结论】结合主动学习的条件随机场模型能在保证识别质量的情况下,减少低质量样本的标注工作量。

关键词：法律文本命名实体识别主动学习条件随机场样例选择

来源：评论

学校读者我要写书评

暂无评论

中国各地区对“一带一路”沿线国家的农产品出口研究

引用

宏观经济研究 2019年第12期 119-129页

作者：岳晓李向毅江为民王会举中南财经政法大学信息与安全工程学院中南财经政法大学工商管理学院、国际商务研究所中南财经政法大学信息与安全工程学院

以往关于"一带一路"的文献大多研究中国总体与沿线国家的贸易,而忽略了中国内部空间差异。本文基于2010—2017年省级层面数据,分析了中国与"一带一路"沿线国家的农产品贸易状况。研究结果表明:在对"一带一路&q... 详细信息

以往关于"一带一路"的文献大多研究中国总体与沿线国家的贸易,而忽略了中国内部空间差异。本文基于2010—2017年省级层面数据,分析了中国与"一带一路"沿线国家的农产品贸易状况。研究结果表明:在对"一带一路"沿线国家的农产品出口中,东部的出口规模和贸易联系显著高于中、西部;"一带一路"倡议提出后,大部分省份对沿线国家的出口份额有所增加;东盟自贸区成员是各省份的主要出口目的国;各省份最具比较优势的农产品不尽相同;各省份的产业内贸易水平普遍较低。加强同沿线国家的农产品贸易合作是改善地区发展不平衡的重要举措。

关键词： “一带一路”沿线国家农产品出口自贸区贸易联系

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的查询扩展研究

引用

情报学报 2019年第10期38卷 1066-1077页

作者：余传明蔡林胡莎莎安璐中南财经政法大学信息与安全工程学院武汉430073 武汉大学信息管理学院武汉430072

通过在查询扩展中引入深度学习框架,并结合局部和全局查询扩展模型,从而解决查询扩展中伪相关反馈引起的查询漂移问题。选择eBay于2017年发布的查询短语和商品名称作为实验数据,在伪相关反馈的基础上提出基于深度学习的查询扩展模型(dee... 详细信息

通过在查询扩展中引入深度学习框架,并结合局部和全局查询扩展模型,从而解决查询扩展中伪相关反馈引起的查询漂移问题。选择eBay于2017年发布的查询短语和商品名称作为实验数据,在伪相关反馈的基础上提出基于深度学习的查询扩展模型(deep learning based query expansion model,DLQEM),以实现更准确有效的查询扩展,并将其应用到信息检索任务中。实验结果表明,DLQEM的precision@10值在伪相关反馈(PRF)的基础上分别提高了3.5%和3.7%,验证了本文所提出假设(通过概念相关扩展词与反馈信息扩展词取交集能够有效地控制反馈相关扩展词造成的查询漂移)的有效性。深度学习能够解决监督学习在短文本集上难以获得好的分类效果的问题,将其与传统查询扩展模型进行结合,解决了传统查询扩展中需要用户参与和检索速度迟缓两大弊端,控制了查询漂移。

关键词：信息检索查询扩展深度学习伪相关反馈

来源：评论

学校读者我要写书评

暂无评论

大数据环境下文本情感分析算法的规模适配研究:以Twitter为数据源

引用

图书情报工作 2019年第4期63卷 101-111页

作者：余传明原赛王峰安璐中南财经政法大学信息与安全工程学院武汉430073 中南财经政法大学统计与数学学院武汉430073 武汉大学信息管理学院武汉430072

[目的/意义]以大数据环境下的文本情感分析这一特定任务为目的,对规模适配问题进行研究,为情报学领域研究人员进行大数据环境下数据分析时,实现效率和成本的最优选择提供借鉴。[方法/过程]采用斯坦福大学Sentiment140数据集,在对传统情... 详细信息

[目的/意义]以大数据环境下的文本情感分析这一特定任务为目的,对规模适配问题进行研究,为情报学领域研究人员进行大数据环境下数据分析时,实现效率和成本的最优选择提供借鉴。[方法/过程]采用斯坦福大学Sentiment140数据集,在对传统情感分析算法分析的基础上,提出了5种面向大数据的文本情感分析算法,检验各种算法在不同环境和数据规模下的适配效果,从准确性、可扩展性和效率等方面进行实证比较研究。[结果/结论]实验结果显示,本文所搭建的集群具有良好的运行效率、正确性以及可扩展性,Spark集群在处理海量文本情感分析数据时更具有效率优势,且在数据规模越大的情况下,效率优势越明显;在资源利用方面,随着节点数和核数的增加,集群的整体运行效率变化显著,配置5个4核4G内存的从节点,能够实现在高效完成分类任务的同时达到节约资源成本的效果。

关键词：规模适配大数据海量文本情感分析机器学习算法

来源：评论

学校读者我要写书评

暂无评论

基于网络表示学习的科研合作推荐研究

引用

情报学报 2019年第5期38卷 500-511页

作者：余传明林奥琛钟韵辞安璐中南财经政法大学信息与安全工程学院武汉430073 武汉大学信息管理学院武汉430072

为了促进同一学术领域的科研合作团队的组建,提高科研效率,本文基于网络表示学习对多个领域科研合作推荐模型进行研究。将基于节点位置的网络表示学习模型与融合网络结构的网络表示学习模型进行集成,得到新的顶点表示,对两个顶点的表示... 详细信息

为了促进同一学术领域的科研合作团队的组建,提高科研效率,本文基于网络表示学习对多个领域科研合作推荐模型进行研究。将基于节点位置的网络表示学习模型与融合网络结构的网络表示学习模型进行集成,得到新的顶点表示,对两个顶点的表示进行选择二元运算得到边的表示。模型将网络表示学习与机器学习相结合,将节点对的表示作为特征训练逻辑分类器,分类器得到的标签即为链接预测结果。通过对金融和物理领域的论文合作数据进行分析,构建科研合作网络。实验证明,提出的集成模型在AUC值上的表现比单一模型更好,效果最高提升了2.3%;在训练集规模较小的情况下,AUC值仍能达到60%。实验结果表明,该科研合作推荐模型具有可行性,对同一学术领域的科研合作团队的组建能够起到有效辅助作用。

关键词：科研合作推荐链接预测网络表示学习机器学习深度学习

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的领域知识对齐模型研究:知识图谱视角

引用

情报学报 2019年第6期38卷 641-654页

作者：余传明王峰安璐中南财经政法大学信息与安全工程学院武汉430073 武汉大学信息管理学院武汉430072

为了解决领域知识融合过程中所带来的冗余和不一致问题,本文从知识图谱视角研究领域知识对齐。在知识图谱深度表示学习的基础上,提出了一种新的知识图谱对齐(knowledge graph alignment,KGA)模型。为验证模型的有效性,在异构知识图谱和... 详细信息

为了解决领域知识融合过程中所带来的冗余和不一致问题,本文从知识图谱视角研究领域知识对齐。在知识图谱深度表示学习的基础上,提出了一种新的知识图谱对齐(knowledge graph alignment,KGA)模型。为验证模型的有效性,在异构知识图谱和跨语言知识图谱的相关数据集上进行对比实验。在异构数据集上,相比于传统的MTransE和IPTransE,KGA模型的Hits@1指标值最高提升了6.40%,MRR指标值最高提升了6.30%;在跨语言数据集上,模型的Hits@1指标值最高提升了9.66%,MRR指标值最高提升了9.60%。实验结果表明,KGA模型在领域知识对齐上的效果优于传统领域知识对齐方法。研究结果对于改进知识图谱实体对齐效果,提升领域知识的覆盖率和正确率,促进知识图谱在情报学领域的应用具有重要意义。

关键词：深度学习领域知识对齐知识图谱知识表示

来源：评论

学校读者我要写书评

暂无评论

基于序列到序列模型的抽象式中文文本摘要研究

引用

图书情报工作 2019年第11期63卷 108-117页

作者：余传明朱星宇龚雨田安璐中南财经政法大学信息与安全工程学院武汉430073 武汉大学信息管理学院武汉430072

[目的/意义]为更好地处理文本摘要任务中的未登录词(out of vocabulary, 00V ),同时避免摘要重复,提高文本摘要的质量,本文以解决00V问题和摘要自我重复问题为研究任务,进行抽象式中文文本摘要研究。[方法/过程]在序列到序列(sequence t... 详细信息

[目的/意义]为更好地处理文本摘要任务中的未登录词(out of vocabulary, 00V ),同时避免摘要重复,提高文本摘要的质量,本文以解决00V问题和摘要自我重复问题为研究任务,进行抽象式中文文本摘要研究。[方法/过程]在序列到序列(sequence to sequence, seq2seq)模型的基础上增加指向生成机制和覆盖处理机制,通过指向生成将未登录词拷贝到摘要中以解决未登录词问题,通过覆盖处理避免注意力机制(attentionmechanism)反复关注同一位置,以解决重复问题。将本文方法应用到LCSTS中文摘要数据集上进行实验,检验模型效果。[结果/结论]实验结果显示,该模型生成摘要的ROUGE ( recall -oriented understudy for gisting evaluation)分数高于传统的seq2seq模型以及抽取式文本摘要模型,表明指向生成和覆盖机制能够有效解决未登录词问题和摘要重复问题,从而显著提升文本摘要质量。

关键词：抽象式文本摘要序列到序列模型注意力机制覆盖机制指向生成机制

来源：评论

学校读者我要写书评

暂无评论

基于深度强化学习的查询扩展模型研究

引用

情报理论与实践 2019年第9期42卷 146-153页

作者：余传明胡莎莎叶鹏昊安璐中南财经政法大学信息与安全工程学院湖北武汉430073 中南财经政法大学工商管理学院湖北武汉430073 武汉大学信息管理学院湖北武汉430072

文章在传统的伪相关反馈基础上引入深度强化学习的查询扩展方法来改善信息检索中由词不匹配造成的检索效果不佳问题。选择eBay于2017年发布的用户查询与商品名称作为实验数据,利用深度学习框架抽取词的抽象特征,并把召回率作为奖励,使... 详细信息

文章在传统的伪相关反馈基础上引入深度强化学习的查询扩展方法来改善信息检索中由词不匹配造成的检索效果不佳问题。选择eBay于2017年发布的用户查询与商品名称作为实验数据,利用深度学习框架抽取词的抽象特征,并把召回率作为奖励,使用强化学习方法对扩展词进行选择。当使用召回率、精度和平均精度均值三个指标对模型进行评价时,文章提出的基于深度强化学习的查询扩展方法明显优于基线方法(原始查询、基于TF-IDF的查询扩展、基于余弦相似度的查询扩展和基于深度学习的查询扩展),扩展后的查询检索效果在召回率上比原始查询高1.32%。实验结果表明基于深度强化学习的查询扩展模型能够改善词不匹配带来的问题,提高系统检索效果。

关键词：深度强化学习查询扩展伪相关反馈信息检索

来源：评论

学校读者我要写书评

暂无评论

基于生成对抗网络的跨语言文本情感分析

引用

情报理论与实践 2019年第11期42卷 135-141页

作者：余传明王峰胡莎莎安璐中南财经政法大学信息与安全工程学院湖北武汉430073 武汉大学信息管理学院湖北武汉430072

[目的/意义]将跨语言文本情感分析分为跨语言向量对齐、文档向量生成和分类器迁移三个模块,探究不同模块对跨语言文本情感分析效果的影响。[方法/过程]选择亚马逊在书籍、音乐和DVD类目下的商品评论作为实验数据,首先采用生成对抗网络... 详细信息

[目的/意义]将跨语言文本情感分析分为跨语言向量对齐、文档向量生成和分类器迁移三个模块,探究不同模块对跨语言文本情感分析效果的影响。[方法/过程]选择亚马逊在书籍、音乐和DVD类目下的商品评论作为实验数据,首先采用生成对抗网络对源语言和目标语言进行语义映射,然后使用平均法获取文档向量,最后通过支持向量机进行情感分类。[结果/结论]当使用F1值作为评价指标时,与基线方法相比,本文所提出的跨语言情感分析方法受领域和语言变化的影响较小,具有较强的鲁棒性,在整体上取得了较高的准确率。实验结果表明跨语言情感分析方法能够有效应对目标语言标注语料资源匮乏问题,从而改善情感分类准确率。[局限]只在三种语言上进行了跨语言情感分析实验,后续将在更多的语言情境下探究本文方法的效果。

关键词：跨语言情感分析生成对抗网络神经网络模型支持向量机

来源：评论

学校读者我要写书评

暂无评论

基于多任务深度学习的文本情感原因分析

引用

广西师范大学学报（自然科学版） 2019年第1期37卷 50-61页

作者：余传明李浩男安璐中南财经政法大学信息与安全工程学院湖北武汉430074 中南财经政法大学统计与数学学院湖北武汉430074 武汉大学信息管理学院湖北武汉430072

多任务学习利用不同任务之间的相似性辅助决策,与单任务学习相比,多任务学习能够利用更多的信息,从而可以弥补单任务学习信息利用不足的缺陷。本文选择NTCIR-ECA数据集中的中文和英文文本数据作为实验数据,以情感原因分析作为研究任务,... 详细信息

多任务学习利用不同任务之间的相似性辅助决策,与单任务学习相比,多任务学习能够利用更多的信息,从而可以弥补单任务学习信息利用不足的缺陷。本文选择NTCIR-ECA数据集中的中文和英文文本数据作为实验数据,以情感原因分析作为研究任务,提出了一种结合多任务学习和深度学习的模型MTDLM(multi-task deep learning model),实现不同语种下的情感原因分析。实验结果表明,在数据不平衡的情况下,MTDLM模型对英文语种的情感原因识别的最优F值为39%,优于单任务学习(F值为0)和传统基线模型(LR的F值为33%),从而验证了模型的有效性。

关键词：情感原因分析多任务学习深度学习文本挖掘

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：