检索结果-内蒙古大学图书馆

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

基于细粒度可解释矩阵的摘要生成模型

引用

北京大学学报（自然科学版） 2021年第1期57卷 23-30页

作者：王浩男高扬冯俊兰胡珉王惠欣柏宇北京理工大学计算机学院北京100081 中国移动通信研究院北京100032 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

针对摘要模型中总结并解释长篇上下文信息存在的困难,提出一种基于细粒度可解释矩阵,先抽取再生成的摘要模型(fine-grained interpretable matrix,FGIM),提升长文本对显著度、更新性和相关度的可解释抽取能力,引导系统自动生成摘要。该... 详细信息

针对摘要模型中总结并解释长篇上下文信息存在的困难,提出一种基于细粒度可解释矩阵,先抽取再生成的摘要模型(fine-grained interpretable matrix,FGIM),提升长文本对显著度、更新性和相关度的可解释抽取能力,引导系统自动生成摘要。该模型通过一个句对判别(pair-wise)抽取器对文章内容进行压缩,捕获文章中心度高的句子,将抽取后的文本与生成器相结合,实现摘要生成。在生成端通过可解释的掩码矩阵,控制生成摘要的内容属性,在编码器端分别使用多层Transformer和预训练语言模型BERT来验证其适用性。在标准文本摘要数据集(CNN/DailyMail和NYT50)上的实验表明,所提模型的ROUGE指标和人工评估结果均优于当前最好的基准模型。实验中还构建两个测试数据集来验证摘要的更新度和相关度,结果表明所提模型在可控生成方面取得相应的提升。

关键词：生成式摘要可解释抽取中心度掩码矩阵可控生成

来源：评论

学校读者我要写书评

暂无评论

基于领域知识的图模型词义消歧方法

引用

自动化学报 2014年第12期40卷 2836-2850页

作者：鹿文鹏黄河燕吴昊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 齐鲁工业大学理学院济南250353

对领域知识挖掘利用的充分与否,直接影响到面向特定领域的词义消歧(Word sense disambiguation,WSD)的性能.本文提出一种基于领域知识的图模型词义消歧方法,该方法充分挖掘领域知识,为目标领域收集文本领域关联词作为文本领域知识,为目... 详细信息

对领域知识挖掘利用的充分与否,直接影响到面向特定领域的词义消歧(Word sense disambiguation,WSD)的性能.本文提出一种基于领域知识的图模型词义消歧方法,该方法充分挖掘领域知识,为目标领域收集文本领域关联词作为文本领域知识,为目标歧义词的各个词义获取词义领域标注作为词义领域知识;利用文本领域关联词和句子上下文词构建消歧图,并根据词义领域知识对消歧图进行调整;使用改进的图评分方法对消歧图的各个词义结点的重要度进行评分,选择正确的词义.该方法能有效地将领域知识整合到图模型中,在Koeling数据集上,取得了同类研究的最佳消歧效果.本文亦对多种图模型评分方法做了改进,进行了详细的对比实验研究.

关键词：词义消歧领域知识图模型词义领域文本领域

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

稀缺资源语言神经网络机器翻译研究综述

引用

自动化学报 2021年第6期47卷 1217-1231页

作者：李洪政冯冲黄河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 北京理工大学外国语学院北京102488 语言工程与认知计算工信部重点实验室北京102488

作为目前主流翻译方法的神经网络机器翻译已经取得了很大突破,在很多具有丰富数据资源的语言上的翻译质量也不断得到改善,但对于稀缺资源语言的翻译效果却仍然并不理想.稀缺资源语言机器翻译是目前机器翻译领域的重要研究热点之一,近几... 详细信息

作为目前主流翻译方法的神经网络机器翻译已经取得了很大突破,在很多具有丰富数据资源的语言上的翻译质量也不断得到改善,但对于稀缺资源语言的翻译效果却仍然并不理想.稀缺资源语言机器翻译是目前机器翻译领域的重要研究热点之一,近几年来吸引了国内外的广泛关注.本文对稀缺资源语言机器翻译的研究进行比较全面的回顾,首先简要介绍了与稀缺资源语言翻译相关的学术活动和数据集,然后重点梳理了目前主要的研究方法和一些研究结论,总结了每类方法的特点,在此基础上总结了不同方法之间的关系并分析了目前的研究现状.最后,对稀缺资源语言机器翻译未来可能的研究趋势和发展方向进行了展望,并给出了相关建议.

关键词：稀缺资源语言神经网络机器翻译迁移学习枢轴语言回译多语言翻译无监督翻译

来源：评论

学校读者我要写书评

暂无评论

基于依存适配度的知识自动获取词义消歧方法

引用

软件学报 2013年第10期24卷 2300-2311页

作者：鹿文鹏黄河燕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 山东轻工业学院理学院山东济南250353

针对困扰词义消歧技术发展的知识匮乏问题,提出一种基于依存适配度的知识自动获取词义消歧方法.该方法充分利用依存句法分析技术的优势,首先对大规模语料进行依存句法分析,统计其中的依存元组信息构建依存知识库;然后对歧义词所在的句... 详细信息

针对困扰词义消歧技术发展的知识匮乏问题,提出一种基于依存适配度的知识自动获取词义消歧方法.该方法充分利用依存句法分析技术的优势,首先对大规模语料进行依存句法分析,统计其中的依存元组信息构建依存知识库;然后对歧义词所在的句子进行依存句法分析,获得歧义词的依存约束集合;并根据WordNet获得歧义词各个词义的各类词义代表词;最后,根据依存知识库,综合考虑词义代表词在依存约束集合中的依存适配度,选择正确的词义.该方法在SemEval 2007的Task#7粗粒度词义消歧任务上取得了74.53%的消歧正确率;在不使用任何人工标注语料的无监督和基于知识库的同类方法中,取得了最佳的消歧效果.

关键词：词义消歧依存句法分析知识获取依存适配度

来源：评论

学校读者我要写书评

暂无评论

引入混合特征的最大名词短语双向标注融合算法

引用

自动化学报 2015年第7期41卷 1274-1282页

作者：李业刚黄河燕鉴萍山东理工大学计算机科学与技术学院淄博255049 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

最大名词短语的识别对机器翻译等诸多自然语言处理任务有着:惹要的意义.以汉语最大名词短语识别为研究任务,在分析现有方法的基础上,从汉语的语H学特殊性以及基于支持向量机的序列标注算法的特点出发,考查了基于混合特征的融合算法的适... 详细信息

最大名词短语的识别对机器翻译等诸多自然语言处理任务有着:惹要的意义.以汉语最大名词短语识别为研究任务,在分析现有方法的基础上,从汉语的语H学特殊性以及基于支持向量机的序列标注算法的特点出发,考查了基于混合特征的融合算法的适应性.实验证叨,釆用词和基本组块混合标注单元的标注方法对汉语最大名词短语的识别是有效的,并且其i E反向识别结果具有一定的互补性,在此基础上提出的基于"边界分歧"的双向序列标注融合算法恰能发掘双向识别的互补性,并达到较高的融合精度.

关键词：最大名词短语双向标注基本组块混合特征

来源：评论

学校读者我要写书评

暂无评论

基于双语协同训练的最大名词短语识别研究

引用

软件学报 2015年第7期26卷 1615-1625页

作者：李业刚黄河燕史树敏鉴萍苏超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 北京理工大学计算机学院北京100081 山东理工大学计算机科学与技术学院山东淄博255049

针对传统方法对双语最大名词短语识别一致性差以及跨领域识别能力弱的缺点,提出一种基于半监督学习的双语最大名词短语识别算法.利用汉英最大名词短语的互译性和识别的互补性,把平行的汉语句子和英语句子这两个数据集看作一个数据集的... 详细信息

针对传统方法对双语最大名词短语识别一致性差以及跨领域识别能力弱的缺点,提出一种基于半监督学习的双语最大名词短语识别算法.利用汉英最大名词短语的互译性和识别的互补性,把平行的汉语句子和英语句子这两个数据集看作一个数据集的两个不同的视图进行双语协同训练.在协同训练中,把双语对齐标注一致率作为标记置信度估计依据,进行增量标记数据的选择.实验结果表明:该算法显著提高了双语最大名词短语的识别能力,在跨领域测试和同领域测试中,F值分别比目前最好的最大名词短语识别模型提高了4.52%和3.08%.

关键词：最大名词短语半监督学习标注投射双语协同训练短语识别

来源：评论

学校读者我要写书评

暂无评论

LSF:一种面向S-RAID 5的能量管理算法

引用

北京理工大学学报 2014年第2期34卷 166-170页

作者：孙志卓李元章左伟欢万军何翔谭毓安北京理工大学计算机学院北京100081 德州学院计算机系山东德州253000 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

S-RAID 5是一种适于顺序数据访问的节能磁盘阵列,为了提高其性能并保持节能效率,提出一种能量管理算法:逻辑空间预测法(LSF),该算法对S-RAID 5的I/O请求地址进行动态聚类分析,以获得I/O请求在逻辑地址空间内的分布区,然后求出各分布区... 详细信息

S-RAID 5是一种适于顺序数据访问的节能磁盘阵列,为了提高其性能并保持节能效率,提出一种能量管理算法:逻辑空间预测法(LSF),该算法对S-RAID 5的I/O请求地址进行动态聚类分析,以获得I/O请求在逻辑地址空间内的分布区,然后求出各分布区的动态特性,并结合S-RAID 5的特殊数据布局,预测磁盘的工作状态并根据预测状态调度磁盘.实验表明,在节能效果相当的情况下,与典型算法TPM、Markov相比,LSF可有效消除SRAID 5的响应时间延迟.

关键词： S-RAID 5 顺序数据访问能量管理算法磁盘阵列

来源：评论

学校读者我要写书评

暂无评论

非支配排序粒子群遗传算法解决车辆位置路由问题

引用

吉林大学学报(工学版) 2024年

作者：刘琼昕王甜甜王亚男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

本文提出了混合全局局部搜索的非支配排序粒子群遗传算法，能够有效解决车辆位置路由问题。全局搜索使用粒子群和遗传算法，提高算法的收敛速度，使用第三代非支配排序遗传算法挑选种群下一代个体，保留种群多样性。局部搜索策略针对优... 详细信息

本文提出了混合全局局部搜索的非支配排序粒子群遗传算法，能够有效解决车辆位置路由问题。全局搜索使用粒子群和遗传算法，提高算法的收敛速度，使用第三代非支配排序遗传算法挑选种群下一代个体，保留种群多样性。局部搜索策略针对优质和次优个体进行，提高得到更优解的概率，对种群中后1/12个体打乱用户顺序，提高种群质量。使用开放标准数据集将本文提出算法与基准算法对比，本文算法从种群质量、多样性上均更优，能够为车辆位置路由问题提供有效的解决方案。

关键词：计算机应用技术车辆位置路由问题第三代非支配排序遗传算法粒子群算法遗传算法

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：