检索结果-内蒙古大学图书馆

郑州大学学报（理学版） 2020年第1期52卷 1-7页

作者：张少霞李德玉翟岩慧山西大学计算机与信息技术学院山西太原030006 山西大学计算智能与中文信息处理教育部重点实验室山西太原030006

基于逻辑公式定义了逻辑型决策蕴涵。设计了逻辑型决策蕴涵的语义框架,包括定义了逻辑型决策蕴涵的模型,以及逻辑型决策蕴涵集的完备性和无冗余性。在进行知识推理时,该框架可以过滤掉矛盾的结论。语构方面提出了闭包缩小推理规则,并证... 详细信息

基于逻辑公式定义了逻辑型决策蕴涵。设计了逻辑型决策蕴涵的语义框架,包括定义了逻辑型决策蕴涵的模型,以及逻辑型决策蕴涵集的完备性和无冗余性。在进行知识推理时,该框架可以过滤掉矛盾的结论。语构方面提出了闭包缩小推理规则,并证明了该推理规则相对于语义的合理性和完备性。

关键词：形式概念分析逻辑型决策蕴涵逻辑公式

来源：评论

学校读者我要写书评

暂无评论

基于cw2vec-BiLSTM-CRF的汽车名称和属性识别方法

引用

山西大学学报(自然科学版) 2020年第2期43卷 267-272页

作者：李德玉王佳王素格山西大学计算机与信息技术学院山西大学计算智能与中文信息处理教育部重点实验室

用户评论产品时经常带有明确的指向,例如,针对产品的某一部分或某一功能做出评价,因此,评论中的产品名称和产品属性的识别显得尤为重要。文章使用了cw2vec模型对中文文本进行表示,在此基础上,使用双向长短期记忆模型融合了条件随机场模... 详细信息

用户评论产品时经常带有明确的指向,例如,针对产品的某一部分或某一功能做出评价,因此,评论中的产品名称和产品属性的识别显得尤为重要。文章使用了cw2vec模型对中文文本进行表示,在此基础上,使用双向长短期记忆模型融合了条件随机场模型对产品中的对象和属性进行识别。该方法利用长短期记忆模型对上下文信息进行有效建模,同时利用条件随机场模型作为标签推理层很好地解决序列标签的依赖问题。通过在汽车领域数据上进行实验,实验结果表明cw2vec-BiLSTM-CRF模型在产品名称和产品属性识别任务中的是有效的。与仅使用CRF模型相比,产品名称的识别准确率、召回率、F值分别提升了5.87%、5.59%、5.89%,产品属性的识别准确率、召回率、F值分别提升了6.36%、4.41%and 5.28%。

关键词：产品对象产品属性双向长短期记忆模型条件随机场 cw2vec

来源：评论

学校读者我要写书评

暂无评论

一种基于词袋模型的块数据聚类算法

引用

山西大学学报(自然科学版) 2016年第2期39卷 216-222页

作者：曹付元牛文婷山西大学计算机与信息技术学院计算智能与中文信息处理教育部重点实验室

基于词袋模型给出了块数据对象一种新的表示方式,解决了块数据集无法用传统聚类算法直接聚类的问题。所谓块数据对象是指由多个特征向量描述的对象,由块数据对象组成的集合称为块数据集。文章通过DBSCAN算法在块数据集的每一维上聚类,... 详细信息

基于词袋模型给出了块数据对象一种新的表示方式,解决了块数据集无法用传统聚类算法直接聚类的问题。所谓块数据对象是指由多个特征向量描述的对象,由块数据对象组成的集合称为块数据集。文章通过DBSCAN算法在块数据集的每一维上聚类,得到虚拟对象的类分布情况,基于词袋模型给出了块数据对象的新表示形式,设计了一种面向块数据集的聚类分析算法。

关键词：块数据词袋模型 DBSCAN算法 k-means算法

来源：评论

学校读者我要写书评

暂无评论

一种基于邻域关系和模糊决策的特征选择方法

引用

南京大学学报（自然科学版） 2018年第4期54卷 733-741页

作者：温欣李德玉王素格山西大学计算机与信息技术学院太原030006 计算智能与中文信息处理教育部重点实验室山西大学太原030006

数据特征空间的高维性使得学习过程耗费了相对较多的时间,而且可能影响分类性能.邻域粗糙集模型可以用来解决特征选择问题,但该模型未能描述现实存在的样本的模糊性,可能导致信息的丢失.因此,建立了一种新的单标记特征选择模型,采用两... 详细信息

数据特征空间的高维性使得学习过程耗费了相对较多的时间,而且可能影响分类性能.邻域粗糙集模型可以用来解决特征选择问题,但该模型未能描述现实存在的样本的模糊性,可能导致信息的丢失.因此,建立了一种新的单标记特征选择模型,采用两种不同的隶属度计算方法获得样本对等价类的模糊隶属度,将每个等价类中最小隶属度值作为隶属度阈值.然后利用邻域样本隶属度与阈值的关系重新定义邻域粗糙上、下近似,进而通过衡量决策属性对特征子集依赖度的大小进行特征选择.在七个公开的UCI数据集上进行了实验,实验结果表明,与已有的几种特征选择方法相对比,分类准确度得到了进一步提高,选择的特征数目明显减少.

关键词：特征选择邻域关系模糊隶属度隶属度阈值

来源：评论

学校读者我要写书评

暂无评论

基于集成深度迁移学习的多源跨领域情感分类

引用

山西大学学报(自然科学版) 2018年第4期41卷 709-717页

作者：赵传君王素格李德玉山西大学计算机与信息技术学院计算智能与中文信息处理教育部重点实验室

传统的跨领域情感分类往往是实现单一源领域到目标领域的情感迁移,而在现实情况下,往往存在多个源领域的数据。文章从参数迁移和集成学习的角度,提出了一种基于集成深度迁移学习的多源跨领域文本情感分类方法。首先,使用字符向量增强的... 详细信息

传统的跨领域情感分类往往是实现单一源领域到目标领域的情感迁移,而在现实情况下,往往存在多个源领域的数据。文章从参数迁移和集成学习的角度,提出了一种基于集成深度迁移学习的多源跨领域文本情感分类方法。首先,使用字符向量增强的深度卷积神经网络模型,在单个源领域上训练情感分类模型,然后通过模型迁移的手段,实现源领域的情感知识到目标领域的迁移。通过深度特征抽取和模型迁移,有效提升了跨领域的特征表示能力。为了充分利用所有源领域信息,我们采用集成学习框架对训练好的迁移学习模型进行集成。通过在Amazon多领域的评论数据集上进行实验,验证了文章提出的框架对跨领域情感分类的正确率有一定提升。

关键词：深度迁移学习集成学习多源领域跨领域情感分类

来源：评论

学校读者我要写书评

暂无评论

面向多标记学习的局部粗糙集

引用

南京大学学报（自然科学版） 2016年第2期52卷 270-279页

作者：梁新彦钱宇华郭倩成红红计算智能与中文信息处理教育部重点实验室太原030006 山西大学计算机与信息技术学院太原030006

多标记学习研究的是一个对象同时具有多个标记的一类复杂问题.文本标注、视频内容标注、图像识别和蛋白质功能的发现等都属于这类任务.与单标记学习问题一样,多标记学习也遭遇到了数据维数大的挑战.针对多标记数据,目前已经设计出一些... 详细信息

多标记学习研究的是一个对象同时具有多个标记的一类复杂问题.文本标注、视频内容标注、图像识别和蛋白质功能的发现等都属于这类任务.与单标记学习问题一样,多标记学习也遭遇到了数据维数大的挑战.针对多标记数据,目前已经设计出一些约简算法,但与单标记约简算法相比,方法数量有限且局限性大.随着大数据时代的到来,收集大量样本越来越容易,但标注收集到的全部样本不切实际.这给想要通过利用粗糙集模型来解决多标记学习问题的研究人员带来了三个挑战:数据维数更高、现有粗糙集的局限性和部分标记决策表的出现.为了解决这三个挑战,提出了面向多标记学习的局部粗糙集模型,并获得了一些有意思的性质.最后,通过利用局部粗糙集模型,设计了一个多标记的启发式约简算法,并在三个公开的多标记数据集上验证了算法的有效性.

关键词：多标记学习属性约简局部粗糙集部分标签决策表

来源：评论

学校读者我要写书评

暂无评论

基于g^(nn)和X-Net融合的ITE估计方法

引用

南京大学学报(自然科学版) 2024年第5期60卷 753-762页

作者：赵延新原泽鹏翟岩慧牛瑞琪李德玉山西大学计算机与信息技术学院太原030006 计算智能与中文信息处理教育部重点实验室山西大学太原030006

因果推断可以帮助人们制定更加合理的决策方案,在电子商务和精准医学等领域有广泛的应用,其性能严重依赖对个体因果效应(Individual Treatment Effect,ITE)的准确估计,观察数据中存在的选择偏差与样本数量不一致问题都会影响ITE估计的... 详细信息

因果推断可以帮助人们制定更加合理的决策方案,在电子商务和精准医学等领域有广泛的应用,其性能严重依赖对个体因果效应(Individual Treatment Effect,ITE)的准确估计,观察数据中存在的选择偏差与样本数量不一致问题都会影响ITE估计的准确性.对于选择偏差问题,现有的深度学习方法主要通过平衡所有协变量来进行缓解,但平衡协变量中与处理无关的噪声变量会导致对个体因果效应的估计不准确.对于样本数量不一致问题,这些方法主要通过在损失函数中添加样本权重来进行缓解,但其不能有效提升模型预测的准确性.提出一种基于深度表示学习的方法,通过g^(nn)和IPM(Integral Probability Metric)网络共同诱导神经网络得到协变量中非噪声变量的平衡共享表示,然后引入X-Net来缓解样本数量不一致问题.在半合成与真实数据集上的实验结果表明,提出的算法可以通过缓解样本选择偏差与样本数量不一致问题来提高模型ITE估计的准确性.

关键词：潜在结果模型个体因果效应深度表示学习选择偏差样本数量不一致

来源：评论

学校读者我要写书评

暂无评论

面向新闻评论的短文本增量聚类算法

引用

计算机科学与探索 2018年第6期12卷 950-960页

作者：刘晓琳曹付元梁吉业山西大学计算机与信息技术学院太原030006 山西大学计算智能与中文信息处理教育部重点实验室太原030006

对新闻评论进行增量聚类可以有效地发现网民对新闻事件的观点,在舆情分析领域具有十分重要的意义。针对传统的增量聚类算法存在对文本输入顺序敏感的缺点,提出了一种基于待定循环策略的增量聚类算法(uncertain cyclic Single-Pass,UCSP... 详细信息

对新闻评论进行增量聚类可以有效地发现网民对新闻事件的观点,在舆情分析领域具有十分重要的意义。针对传统的增量聚类算法存在对文本输入顺序敏感的缺点,提出了一种基于待定循环策略的增量聚类算法(uncertain cyclic Single-Pass,UCSP)。在聚类过程中,针对传统的短文本向量空间模型语义信息匮乏、特征项稀疏的问题,结合神经网络训练的词向量模型,构建了一种基于多特征组合的短文本表示模型。在爬取的5个腾讯新闻评论数据集进行实验,并与传统的文本表示模型和聚类算法进行对比分析,结果表明,所提算法可以有效地提高聚类质量。

关键词：舆情分析短文本增量聚类算法向量空间模型神经网络

来源：评论

学校读者我要写书评

暂无评论

融入模体信息的多层网络社区发现算法

引用

南京大学学报(自然科学版) 2024年第6期60卷 954-969页

作者：赵兴旺张超梁吉业山西大学计算机与信息技术学院太原030006 计算智能与中文信息处理教育部重点实验室(山西大学) 太原030006

多层网络社区发现算法旨在揭示复杂网络中蕴含的社区结构,近年来得到了广泛关注,然而现有算法在度量节点相似度的过程中往往只关注网络中的低阶结构信息,忽略了高阶结构信息,而且,在对不同层网络进行融合的过程中也没有考虑不同层之间... 详细信息

多层网络社区发现算法旨在揭示复杂网络中蕴含的社区结构,近年来得到了广泛关注,然而现有算法在度量节点相似度的过程中往往只关注网络中的低阶结构信息,忽略了高阶结构信息,而且,在对不同层网络进行融合的过程中也没有考虑不同层之间的差异性.针对以上问题,提出一种融入模体信息的多层网络社区发现算法.首先,各层分别计算融入模体的高阶邻接矩阵,通过与低阶邻接矩阵融合得到重构矩阵,进而基于邻居重要性对重构矩阵进行提升,得到节点相似度矩阵;其次,基于重构矩阵计算各层网络的重要性,再加权融合得到统一的相似度矩阵;最后,基于统一的相似度矩阵得到节点的影响力,通过节点嵌入表示方法,对节点的向量表示进行迭代更新,得到节点的最终嵌入表示.与已有的传统多层网络社区发现算法进行了对比实验,结果表明,提出的算法的多层模块度和标准化互信息等评价指标均优于已有算法.

关键词：多层网络社区发现高阶信息节点相似度嵌入表示

来源：评论

学校读者我要写书评

暂无评论

迈向创造性语言生成:汉语幽默自动生成的探索

引用

中国科学：信息科学 2018年第11期48卷 1497-1509页

作者：谭红叶闫真李茹敬毅民山西大学计算机与信息技术学院太原030006 计算智能与中文信息处理教育部重点实验室太原030006

幽默生成是计算创造性任务之一,能够赋予计算机一定的个性化与创造性,而且可以提升用户体验.本文以笑话的生成进行汉语幽默生成的探索性研究.首先提出一个符合当前自然语言生成技术的笑话生成任务:给定笑话的主体部分,生成相应的笑点句... 详细信息

幽默生成是计算创造性任务之一,能够赋予计算机一定的个性化与创造性,而且可以提升用户体验.本文以笑话的生成进行汉语幽默生成的探索性研究.首先提出一个符合当前自然语言生成技术的笑话生成任务:给定笑话的主体部分,生成相应的笑点句.然后,尝试了基于经典编码器–解码器框架的方法与基于生成对抗网络的方法来完成该任务.为了克服编码器–解码器框架中对幽默特点没有建模的局限,本文在生成对抗网络方法中融入了歧义性、不一致性、语音相似性、普遍性等笑话属性特征来评价、指导笑话的生成.实验结果表明:在生成对抗网络方法中融入笑话属性特征后,系统输出构成笑话的比例提升6个百分点.尽管从总体来看系统自动生成的笑点句构成笑话的比例还偏低,但本文通过对幽默生成问题的研究探索,带动了对创造性语言生成问题的洞察与理解,标志着我们向创造性语言生成的探索迈进了一步.

关键词：幽默生成, 笑话生成, 深度学习, 编码器–解码器框架, 生成对抗网络

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：