利用基于统计机器学习方法进行汉语语义角色标注(Semantic Role Labeling,SRL)存在人工抽取特征工作繁琐低效、模型难以捕捉长句上下文语义信息等问题.对此,提出BiLSTM-MaxPool-CRF融合模型进行汉语SRL,同时进行模型性能优化研究.首先,...
详细信息
利用基于统计机器学习方法进行汉语语义角色标注(Semantic Role Labeling,SRL)存在人工抽取特征工作繁琐低效、模型难以捕捉长句上下文语义信息等问题.对此,提出BiLSTM-MaxPool-CRF融合模型进行汉语SRL,同时进行模型性能优化研究.首先,在训练语料中融入词性、论元标记、短语句法等多层级语言学特征;然后,结合AvgPool技术对特征组进行采样选取;最后,通过多组实验结果表明,相比于未采样提取的多特征组,经过池化技术采样提取的多特征能够显著提高模型的性能.
本文以档案信息资源管理为基础,在分析传统档案管理工作流程的基础上,分析设计并实现了资讯管理、政策法规、档案收集、查档管理、档案馆管理、角色管理、用户管理、档案统计及系统管理于一体的档案信息资源共享服务系统,该系统可以提高档案管理效率,为开展数字化档案管理工作提供信息化支持。本系统采用前端与后端分离的开发模式,分别采用Vue框架与Spring Boot + Spring Cloud框架进行开发,经过性能测试,该系统在功能和可靠性上都达到了预定目标。另外,本系统不仅满足档案使用者查阅档案的需求,而且全过程收集的数据可以为档案领域科研工作提供强有力的支持。
暂无评论