随着手机短信成为人们日常生活交往的重要手段,垃圾短信的识别具有重要的现实意义.针对此提出一种结合TFIDF的self-attention-based Bi-LSTM的神经网络模型.该模型首先将短信文本以词向量的方式输入到Bi-LSTM层,经过特征提取并结合TFIDF和self-attention层的信息聚焦获得最后的特征向量,最后将特征向量通过Softmax分类器进行分类得到短信文本分类结果.实验结果表明,结合TFIDF的self-attention-based Bi-LSTM模型相比于传统分类模型的短信文本识别准确率提高了2.1%–4.6%,运行时间减少了0.6 s–10.2 s.
目的研发指南解读类文献的报告规范,以期更好地帮助指南解读者报告指南重要信息。方法RIGHT for INT课题组参考EQUATOR网站推荐的报告规范制订方法,确定了3个阶段的制订流程:第一阶段,通过邮件和微信的途径招募多学科的专家,根据职能划...
详细信息
目的研发指南解读类文献的报告规范,以期更好地帮助指南解读者报告指南重要信息。方法RIGHT for INT课题组参考EQUATOR网站推荐的报告规范制订方法,确定了3个阶段的制订流程:第一阶段,通过邮件和微信的途径招募多学科的专家,根据职能划分成核心制订小组、共识专家组及秘书组3个小组;第二阶段,采用文献调研和头脑风暴的方法收集初始条目;第三阶段,通过德尔菲调查和专家意见咨询,形成最终的RIGHT for INT清单。结果通过核心小组头脑风暴讨论和文献回顾,共收集40个初始条目。经过德尔菲调查和专家意见咨询过程(两轮均为17位专家,回复率均为100%),最终形成27个条目的RIGHT for INT清单。结论RIGHT for INT报告清单为指南解读者提供了撰写指南解读类文章的详细指导。
实时协同编程系统是协同交互应用的重要分支,该环境支持多个用户在任何时间任意地点并发的编辑共享的源代码文档.协同编程环境是一种特殊的协同文本编辑环境,该环境中共享的源代码文档既要满足语法一致性,也需符合语义一致性.语义不一致源于多个用户对相同的代码段或对存在依赖关系的代码段并发工作.本文深入分析了协同编程环境下语义冲突、动态依赖冲突问题及不完整的编辑操作导致的编辑错误,基于前人的研究,结合CAS(Compare And Swap)的并发控制思想,设计了实时协同环境下了语义冲突消解方法 ACAS(Automatic Compare And Swap),维护实时协同编程语义一致性.本文在Window s平台下,基于QT框架及SeaStar异步通信框架开发了实时协同编程的原型系统CoCode,并通过相关实验进一步的验证了ACAS(Automatic Compare And Sw ap)算法及相关控制函数的可行性与正确性.
暂无评论