检索结果-内蒙古大学图书馆

中文信息学报 2021年第2期35卷 69-77页

作者：孙新唐正赵永妍张颖捷北京市海量语言信息处理与云计算应用工程技术研究中心北京理工大学计算机学院北京100081

文本分类是自然语言处理领域的核心任务之一,深度学习的发展给文本分类带来更广阔的发展前景。针对当前基于深度学习的文本分类方法在长文本分类中的优势和不足,该文提出一种文本分类模型,在层次模型基础上引入混合注意力机制来关注文... 详细信息

文本分类是自然语言处理领域的核心任务之一,深度学习的发展给文本分类带来更广阔的发展前景。针对当前基于深度学习的文本分类方法在长文本分类中的优势和不足,该文提出一种文本分类模型,在层次模型基础上引入混合注意力机制来关注文本中的重要部分。首先,按照文档的层次结构分别对句子和文档进行编码;其次,在每个层级分别使用注意力机制。句编码时在全局目标向量基础上同时利用最大池化提取句子特定的目标向量,使编码出的文档向量具有更加明显的类别特征,能够更好地关注到每个文本最具区别性的语义特征。最后,根据构建的文档表示对文档分类。在公开数据集和行业数据集上的实验结果表明,该模型对具有层次结构的长文本具有更优的分类性能。

关键词：文本分类深度学习注意力机制

来源：评论

学校读者我要写书评

暂无评论

抑制维汉神经机器翻译代词性别偏见的方法

引用

厦门大学学报（自然科学版） 2021年第4期60卷 693-700页

作者：史学文黄河燕鉴萍唐翼琨北京理工大学计算机学院北京市海量语言信息处理与云计算应用工程技术研究中心北京100081

利用神经机器翻译进行维吾尔语到汉语的翻译时,维吾尔语中的代词不区分性别,给翻译模型在汉语端使用正确的代词带来了挑战.另外,由于训练数据集中不同性别的代词使用频率差异明显,神经机器翻译倾向于输出阳性代词而不是更恰当的代词.基... 详细信息

利用神经机器翻译进行维吾尔语到汉语的翻译时,维吾尔语中的代词不区分性别,给翻译模型在汉语端使用正确的代词带来了挑战.另外,由于训练数据集中不同性别的代词使用频率差异明显,神经机器翻译倾向于输出阳性代词而不是更恰当的代词.基于此,利用汉语单语语料构造伪平行数据以扩展原训练集,缓解训练集本身的代词不平衡问题;并分别引入性别标记和翻译、性别预测联合建模两种方法,将代词性别预测显式地融入神经机器翻译的训练过程.在多个维汉翻译测试集上进行实验验证,结果表明该方法相对于基线系统,在不影响翻译质量的情况下缓解了翻译输出结果的性别偏见问题,在代词性别预测的精度上也有显著提升.

关键词：神经机器翻译性别偏见伪数据性别预测

来源：评论

学校读者我要写书评

暂无评论

基于知识表示学习的协同矩阵分解方法

引用

北京理工大学学报 2021年第7期41卷 752-757页

作者：刘琼昕覃明帅北京市海量语言信息处理与云计算应用工程技术研究中心北京100081 北京理工大学计算机学院北京100081 中国科学技术信息研究所富媒体数字出版内容组织与知识服务重点实验室北京100038

针对协同过滤算法中用户反馈数据的稀疏性问题,提出一种基于知识库的协同矩阵分解方法.该方法从物品的知识图谱中学习其向量表示,并在此基础上联合地分解反馈矩阵和物品关联度矩阵,两种矩阵共享物品向量,利用物品的语义信息弥补反馈数... 详细信息

针对协同过滤算法中用户反馈数据的稀疏性问题,提出一种基于知识库的协同矩阵分解方法.该方法从物品的知识图谱中学习其向量表示,并在此基础上联合地分解反馈矩阵和物品关联度矩阵,两种矩阵共享物品向量,利用物品的语义信息弥补反馈数据的缺失.实验结果表明,该方法显著地提升了矩阵分解模型的推荐效果,在一定程度上解决了协同过滤的冷启动问题.

关键词：推荐系统矩阵分解知识表示学习

来源：评论

学校读者我要写书评

暂无评论

基于预训练模型的政务领域实体关系抽取

引用

情报工程 2022年第4期8卷 3-13页

作者：葛世奇孙新寇桓锦袁燕北京理工大学计算机学院北京100081 北京市海量语言信息处理与云计算应用工程技术研究中心北京100081

[目的/意义]海量电子政务信息资源极大地方便了人们对信息的获取,同时也给人们有效获取信息和知识提出了挑战。关系抽取是信息抽取的核心任务,政务领域的关系抽取对后续面向政务领域的智能检索、智能问答及政府公文生成等智慧化服务与... 详细信息

[目的/意义]海量电子政务信息资源极大地方便了人们对信息的获取,同时也给人们有效获取信息和知识提出了挑战。关系抽取是信息抽取的核心任务,政务领域的关系抽取对后续面向政务领域的智能检索、智能问答及政府公文生成等智慧化服务与建设具有深远影响。但是政务领域的文本中存在着大量的长实体,使得传统的关系抽取模型在政务领域数据集中的表现不尽如人意。[方法/过程]本文提出一种适用于政务领域的中文关系抽取模型CPRE-BERT,首先使用预训练BERT模型作为编码器,能够在一定程度上解决多义性、边界模糊以及领域关系数据数量不足的问题。其次,采用分类池化的思想分别处理短实体和长实体,最大程度上保留实体信息。最后,在中文领域人物关系公共数据集和政务领域数据集上的对比实验结果验证了模型的有效性。[结果/结论]实验结果表明,本文提出的方法在政务领域数据集上关系抽取的准确率和F1指标较基线模型分别提高了2.3%和2.2%。

关键词：关系抽取深度学习 BERT模型分类池化

来源：评论

学校读者我要写书评

暂无评论

复杂网络下基于路径选择的表示学习方法

引用

北京理工大学学报 2020年第3期40卷 282-289页

作者：刘琼昕龙航郑培雄北京市海量语言信息处理与云计算应用工程技术研究中心北京100081 北京理工大学计算机学院北京100081 哈尔滨工程大学计算机学院黑龙江哈尔滨150001

基于路径和基于知识表示的推理是当前知识图谱领域两大主流推理方法,二者的融合算法可以提高知识推理的准确率,但是依旧存在表示学习的时候效率低下、预测准确率低、模型过拟合等若干问题.本文方法针对这些问题提出了基于路径选择的表... 详细信息

基于路径和基于知识表示的推理是当前知识图谱领域两大主流推理方法,二者的融合算法可以提高知识推理的准确率,但是依旧存在表示学习的时候效率低下、预测准确率低、模型过拟合等若干问题.本文方法针对这些问题提出了基于路径选择的表示学习方法.对路径特征信息进行进一步的过滤和筛选,保留关键路径,在路径信息和知识表示的结合过程中使用平衡参数对缺失路径信息的三元组进行处理.使用公开数据集对模型进行测试,实验表明模型可以有效提高泛化能力和准确率.

关键词：知识图谱路径选择表示学习

来源：评论

学校读者我要写书评

暂无评论

一种融合实体关联性约束的表示学习方法

引用

北京理工大学学报 2020年第1期40卷 90-97页

作者：刘琼昕马敬郑培雄北京市海量语言信息处理与云计算应用工程技术研究中心北京100081 北京理工大学计算机学院北京100081 哈尔滨工程大学计算机学院黑龙江哈尔滨150001

知识图谱的表示学习方法将实体和关系嵌入到低维连续空间中,从而挖掘出实体间的隐含联系.传统的表示学习方法多基于知识图谱的结构化信息,没有充分利用实体的描述文本信息.目前基于文本的表示学习方法多将文本向量化,忽略了文本中实体... 详细信息

知识图谱的表示学习方法将实体和关系嵌入到低维连续空间中,从而挖掘出实体间的隐含联系.传统的表示学习方法多基于知识图谱的结构化信息,没有充分利用实体的描述文本信息.目前基于文本的表示学习方法多将文本向量化,忽略了文本中实体间的语义关联.针对上述缺点提出一种利用实体描述文本进行增强学习的方法,基于文本挖掘出关联性实体并对关联性进行分级,将关联性作为辅助约束融合到知识图谱的表示学习中.实验结果表明,该辅助约束能明显提升推理效果,优于传统的结构化学习模型以及基于深度学习的文本和结构的联合表示模型.

关键词：知识图谱表示学习关联性辅助约束

来源：评论

学校读者我要写书评

暂无评论

基于注意力机制的概念化句嵌入研究

引用

自动化学报 2020年第7期46卷 1390-1400页

作者：王亚珅黄河燕冯冲周强北京理工大学计算机学院北京市海量语言信息处理与云计算应用工程技术研究中心北京100081 百度在线网络技术(北京)有限公司北京100085

大多数句嵌模型仅利用文本字面信息来完成句子向量化表示,导致这些模型对普遍存在的一词多义现象缺乏甄别能力.为了增强句子的语义表达能力,本文使用短文本概念化算法为语料库中的每个句子赋予相关概念,然后学习概念化句嵌入(Conceptual... 详细信息

大多数句嵌模型仅利用文本字面信息来完成句子向量化表示,导致这些模型对普遍存在的一词多义现象缺乏甄别能力.为了增强句子的语义表达能力,本文使用短文本概念化算法为语料库中的每个句子赋予相关概念,然后学习概念化句嵌入(Conceptual sentence embedding,CSE).因此,由于引入了概念信息,这种语义表示比目前广泛使用的句嵌入模型更具表达能力.此外,我们通过引入注意力机制进一步扩展概念化句嵌入模型,使模型能够有区别地选择上下文语境中的相关词语以实现更高效的预测.本文通过文本分类和信息检索等语言理解任务来验证所提出的概念化句嵌入模型的性能,实验结果证明本文所提出的模型性能优于其他句嵌入模型.

关键词：句嵌入短文本概念化注意力机制词嵌入语义表达

来源：评论

学校读者我要写书评

暂无评论

多策略切分粒度的藏汉双向神经机器翻译研究

引用

厦门大学学报（自然科学版） 2020年第2期59卷 213-219页

作者：沙九冯冲张天夫郭宇航刘芳北京理工大学计算机学院北京市海量语言信息处理与云计算应用工程技术研究中心北京100081 北京理工大学外国语学院工信部语言工程与认知计算重点实验室北京100081

现有的机器翻译模型通常在词粒度切分的数据集上进行训练,然而不同的切分粒度蕴含着不同的语法、语义的特征和信息,仅考虑词粒度将制约神经机器翻译系统的高效训练.这对于藏语相关翻译因其语言特点而显得尤为突出.为此提出针对藏汉双向... 详细信息

现有的机器翻译模型通常在词粒度切分的数据集上进行训练,然而不同的切分粒度蕴含着不同的语法、语义的特征和信息,仅考虑词粒度将制约神经机器翻译系统的高效训练.这对于藏语相关翻译因其语言特点而显得尤为突出.为此提出针对藏汉双向机器翻译的具有音节、词语以及音词融合的多粒度训练方法,并基于现有的注意力机制神经机器翻译框架,在解码器中融入自注意力机制以捕获更多的目标端信息,提出了一种新的神经机器翻译模型.在CWMT2018藏汉双语数据集上的实验结果表明,多粒度训练方法的翻译效果明显优于其余切分粒度的基线系统,同时解码器中引入自注意力机制的神经机器翻译模型能够显著提升翻译效果.此外在WMT2017德英双语数据集上的实验结果进一步证明了该方法在其他语种方向上的适用性.

关键词：音词融合藏汉双向神经机器翻译

来源：评论

学校读者我要写书评

暂无评论

中国社交媒体上转基因争论的网络议程研究

引用

未来传播 2020年第4期27卷 8-20,136页

作者：陈安繁罗晨胡勇徐靖杨徐永妍中国科学技术大学人文与社会科学学院安徽合肥230026 清华大学新闻与传播学院北京100091 北京理工大学北京市海量语言信息处理与云计算应用工程技术研究中心北京100081

本研究聚焦于新浪微博上转基因争论的议题,采用第三级议程设置的方法,检验了不同议程设置主体之间议程的关系,其发现主要有:(1)挺转群体与反转群体的议程不可通约,中立群体扮演了挺转与反转两个极端之间缓冲地带的角色;(2)普通用户与认... 详细信息

本研究聚焦于新浪微博上转基因争论的议题,采用第三级议程设置的方法,检验了不同议程设置主体之间议程的关系,其发现主要有:(1)挺转群体与反转群体的议程不可通约,中立群体扮演了挺转与反转两个极端之间缓冲地带的角色;(2)普通用户与认证个人用户的议程深度耦合,但和认证机构用户的议程脱钩;(3)普通用户与反转群体议程高度正相关,说明普通用户更偏向持反转立场,而认证个人用户偏向持中立立场,认证机构用户的议程中,中立与挺转立场并存;(4)网络身份相较于对转基因的态度更容易瓦解对话的有效性。在中国社交媒体空间中,挺转与反转的尖锐对立与其说是一场针锋相对的“数字加沙地带”,毋宁可界定为“鸡同鸭讲”的“数字柏林墙”。

关键词：转基因社交媒体网络议程设置

来源：评论

学校读者我要写书评

暂无评论

领域知识图谱小样本构建与应用

引用

人工智能 2020年第1期 113-124页

作者：张华平吴林芳张芯铭商建云李昌赫北京理工大学北京市海量语言信息处理与云计算应用工程技术研究中心大数据搜索与挖掘实验室中国中文信息学会社会媒体处理专业委员会北京市顺义区政府专家咨询委员会河北科技大学计算机信息科学与工程学院北京理工大学计算机学院

知识图谱是人工智能类脑计算的关键基础设施,是一种知识存储与管理的形式。通用知识图谱已经取得了较好的进展,而特定专业的领域知识图谱构建则面对着可用语料少、领域专家稀缺以及样本标注困难等冷启动问题。本文重点描述了北京理工大... 详细信息

知识图谱是人工智能类脑计算的关键基础设施,是一种知识存储与管理的形式。通用知识图谱已经取得了较好的进展,而特定专业的领域知识图谱构建则面对着可用语料少、领域专家稀缺以及样本标注困难等冷启动问题。本文重点描述了北京理工大学计算机学院团队在小样本基础上构建领域知识图谱的两种解决方案:KGB知识图谱人机引擎,以及小样本深度学习的知识抽取方法。本文还展示了其在情报分析方面的应用。

关键词：知识图谱北京理工大学国家自然科学基金情报分析深度学习关键基础设施领域专家人工智能

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：