检索结果-内蒙古大学图书馆

计算机学报 2016年第4期39卷 795-807页

作者：王智强李茹梁吉业张旭华武娟苏娜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

答案句检索和答案抽取是阅读理解中的两个核心技术.针对汉语阅读理解,该文提出一种新的基于篇章框架语义分析的答案句检索和答案抽取方法.答案句检索是基于框架相似性、框架关系及篇章框架关系来实现.其中,基于框架相似性的方法是通过... 详细信息

答案句检索和答案抽取是阅读理解中的两个核心技术.针对汉语阅读理解,该文提出一种新的基于篇章框架语义分析的答案句检索和答案抽取方法.答案句检索是基于框架相似性、框架关系及篇章框架关系来实现.其中,基于框架相似性的方法是通过计算背景材料与问句之间语义场景(框架)的相似度来进行答案句检索;基于框架关系和篇章框架关系的方法可以从语义相关角度获得与问句语义相关的答案句.在答案抽取时,提出基于框架语义相似性、有定零形式线索及框架关系的答案抽取方法.基于框架语义相似性可以从语义相似的答案句中抽取出充当问句疑问角色的框架元素作为答案;有定零形式线索能够在篇章范围定位答案句中充当答案的缺失语义成分;框架关系则能够通过建立框架元素之间的关系,抽取相关度高的框架元素作为答案.针对15个领域的552个阅读理解问题,该方法在答案句检索时相比传统基于相似度的方法能够获得更好的答案句检索结果;相比基于框架相似性的Baseline实验,加入篇章框架关系、框架关系及有定零形式线索的篇章级框架语义特征,能够获得更优的答案句检索与答案抽取结果.

关键词：框架语义分析阅读理解框架关系有定零形式篇章框架关系社会媒体社交网络自然语言处理

来源：评论

学校读者我要写书评

暂无评论

联合方面注意力交互的图文方面类情感识别

引用

北京航空航天大学学报 2024年第2期50卷 569-578页

作者：赵一成王素格廖健何东欢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

随着多媒体的快速发展,单纯采用文本的方面类情感分析,不能准确识别用户所表达的情感。而现有图文数据的方面类情感分析方法仅考虑图文模态间的交互,忽略图文数据的不一致性和相关性。因此,提出联合方面注意力交互网络(JAAIN)模型的图... 详细信息

随着多媒体的快速发展,单纯采用文本的方面类情感分析,不能准确识别用户所表达的情感。而现有图文数据的方面类情感分析方法仅考虑图文模态间的交互,忽略图文数据的不一致性和相关性。因此,提出联合方面注意力交互网络(JAAIN)模型的图文方面类情感识别方法。所提方法针对图文数据的不一致性与相关性,通过多层次融合方面信息和图文信息,去除与给定方面无关的文本和图像,增强给定方面的图文模态数据的情感表示,将文本数据情感表示、图像数据情感表示及方面类情感表示进行拼接融合与全连接,实现图文方面类情感判别。在数据集Multi-ZOL上进行实验,实验结果表明:所提模型能够提升图文方面类情感判别的性能。

关键词：方面类情感分析注意力机制多模态情感分析情感表示多模态融合

来源：评论

学校读者我要写书评

暂无评论

基于2阶段集成的多层网络社区发现算法

引用

计算机研究与发展 2023年第12期60卷 2832-2843页

作者：赵兴旺张珧溥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

社区发现旨在挖掘复杂网络蕴含的社区结构,是复杂网络分析的重要任务之一.然而,现有的社区发现方法大多针对单层网络数据,对现实世界中广泛存在的多层网络数据的研究较少.针对多层网络的社区发现问题,提出了一个基于2阶段集成的社区发... 详细信息

社区发现旨在挖掘复杂网络蕴含的社区结构,是复杂网络分析的重要任务之一.然而,现有的社区发现方法大多针对单层网络数据,对现实世界中广泛存在的多层网络数据的研究较少.针对多层网络的社区发现问题,提出了一个基于2阶段集成的社区发现算法,以提高社区发现结果的准确性和可解释性.首先,在各层分别得到基社区划分;其次以各层社区划分结构信息为主并结合其他各层网络得到的基社区划分中最优的社区划分信息进行局部集成;再次,基于信息熵对各层局部社区划分中各个社区的稳定性进行度量,并通过其他层社区划分结果来对各个局部社区划分的准确性进行评价;最后,基于各个社区以及社区划分的重要性进行全局加权集成得到最终的社区划分结果.在人造多层网络和真实多层网络数据上与已有的多层网络社区发现算法进行了比较分析.实验结果表明,提出的算法在多层模块度、标准化互信息等评价指标上优于已有算法.

关键词：多层网络社区发现加权集成模块度复杂网络分析

来源：评论

学校读者我要写书评

暂无评论

基于在线集成的概念漂移自适应分类方法

引用

计算机研究与发展 2023年第7期60卷 1592-1602页

作者：郭虎升丛璐高淑花王文剑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

针对流数据中概念漂移发生后,在线学习模型不能对分布变化后的数据做出及时响应且难以提取数据分布的最新信息,导致学习模型收敛较慢的问题,提出一种基于在线集成的概念漂移自适应分类方法(adaptive classification method for concept ... 详细信息

针对流数据中概念漂移发生后,在线学习模型不能对分布变化后的数据做出及时响应且难以提取数据分布的最新信息,导致学习模型收敛较慢的问题,提出一种基于在线集成的概念漂移自适应分类方法(adaptive classification method for concept drift based on online ensemble,AC_OE).一方面,该方法利用在线集成策略构建在线集成学习器,对数据块中的训练样本进行局部预测以动态调整学习器权重,有助于深入提取漂移位点附近流数据的演化信息,对数据分布变化进行精准响应,提升在线学习模型对概念漂移发生后新数据分布的适应能力,提高学习模型的实时泛化性能;另一方面,利用增量学习策略构建增量学习器,并随新样本的进入进行增量式的训练更新,提取流数据的全局分布信息,使模型在平稳的流数据状态下保持较好的鲁棒性.实验结果表明,该方法能够对概念漂移做出及时响应并加速在线学习模型的收敛速度,同时有效提高学习器的整体泛化性能.

关键词：流数据概念漂移在线集成增量学习自适应模型

来源：评论

学校读者我要写书评

暂无评论

阅读理解中因果关系类选项的研究

引用

清华大学学报（自然科学版） 2018年第3期58卷 272-278页

作者：王元龙李茹张虎王智强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

针对阅读理解选择题中因果关系类选项，该文提出了基于因果关系网的因果关系支持度分析方法。首先，通过线索短语从阅读材料中抽取因果事件对，并计算事件对之间因果关联强度，综合利用抽取到的因果事件对与其对应的因果关联强度构成因... 详细信息

针对阅读理解选择题中因果关系类选项，该文提出了基于因果关系网的因果关系支持度分析方法。首先，通过线索短语从阅读材料中抽取因果事件对，并计算事件对之间因果关联强度，综合利用抽取到的因果事件对与其对应的因果关联强度构成因果关系网；其次，综合考虑了选项中的每个词在文档中的重要性和整个文档中的区分能力，采用词频一逆向文件频率（term frequency-inverse document frequency，TF—IDF）方法分别从原文中检索与选项中因事件和果事件相关的句子；最后，基于因果关系网和抽取到的相关句计算选项的因果关系支持度。为了验证该方法，实验采用了769篇模拟材料和13篇北京高考语文试卷材料（包括原文与选择题）作为测试数据集，实验结果表明该方法的准确率比Baseline方法提高了约11％。

关键词：自然语言处理因果关系网阅读理解语义相似度

来源：评论

学校读者我要写书评

暂无评论

考虑关联性与优先关系的区间犹豫模糊图决策

引用

计算机研究与发展 2019年第11期56卷 2438-2447页

作者：张超李德玉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 山西大学计算机与信息技术学院太原030006

区间犹豫模糊集是区间数和犹豫模糊集的推广,通常用以描述不确定信息具备的不完备性与犹豫性.近年来,区间犹豫模糊多属性决策问题受到了学者们的广泛关注.针对属性间同时具有关联性与优先关系的区间犹豫模糊多属性决策问题,利用模糊图... 详细信息

区间犹豫模糊集是区间数和犹豫模糊集的推广,通常用以描述不确定信息具备的不完备性与犹豫性.近年来,区间犹豫模糊多属性决策问题受到了学者们的广泛关注.针对属性间同时具有关联性与优先关系的区间犹豫模糊多属性决策问题,利用模糊图可通过顶点间的边表示属性间关联性的优势,研究基于区间犹豫模糊图的多属性决策方法.首先从定义、运算规则及映射关系的角度建立区间犹豫模糊图的相关概念.在此基础上,提出考虑关联性与优先关系的区间犹豫模糊图多属性决策方法.最后用实例及对比性分析阐述所提多属性决策方法的可行性与有效性.结果表明:相较于经典区间犹豫模糊多属性决策方法,所提方法能够合理求解属性间同时具有关联性与优先关系的区间犹豫模糊多属性决策问题.

关键词：区间犹豫模糊集关联性优先关系区间犹豫模糊图多属性决策

来源：评论

学校读者我要写书评

暂无评论

基于新的距离度量的K-Modes聚类算法

引用

计算机研究与发展 2010年第10期47卷 1749-1755页

作者：梁吉业白亮曹付元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

传统的K-Modes聚类算法采用简单的0-1匹配差异方法来计算同一分类属性下两个属性值之间的距离,没有充分考虑其相似性.对此,基于粗糙集理论,提出了一种新的距离度量.该距离度量在度量同一分类属性下两个属性值之间的差异时,克服了简单0-... 详细信息

传统的K-Modes聚类算法采用简单的0-1匹配差异方法来计算同一分类属性下两个属性值之间的距离,没有充分考虑其相似性.对此,基于粗糙集理论,提出了一种新的距离度量.该距离度量在度量同一分类属性下两个属性值之间的差异时,克服了简单0-1匹配差异法的不足,既考虑了它们本身的异同,又考虑了其他相关分类属性对它们的区分性.并将提出的距离度量应用于传统K-Modes聚类算法中.通过与基于其他距离度量的K-Modes聚类算法进行实验比较,结果表明新的距离度量是更加有效的.

关键词：聚类算法分类属性数据粗糙集粗糙隶属度距离度量

来源：评论

学校读者我要写书评

暂无评论

基于粒度偏移因子的支持向量机学习方法

引用

计算机研究与发展 2013年第11期50卷 2315-2324页

作者：郭虎升王文剑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

在实际应用中,数据集样本规模、分布密度的不平衡性可能会使传统支持向量机(support vector machine,SVM)得到的分类超平面不是最优.在对传统支持向量机最优分类面分析的基础上,结合粒度计算(granular computing,GrC)理论,针对数据规模... 详细信息

在实际应用中,数据集样本规模、分布密度的不平衡性可能会使传统支持向量机(support vector machine,SVM)得到的分类超平面不是最优.在对传统支持向量机最优分类面分析的基础上,结合粒度计算(granular computing,GrC)理论,针对数据规模和分布密度不平衡的数据集,提出一种基于粒度偏移因子的粒度支持向量机(granular SVM,GSVM)学习方法,称为S_GSVM方法.该方法将原始样本用Mercer核映射到高维空间,然后在高维空间中对数据进行有效的粒划分,通过对不同的粒计算不同的超平面偏移因子,重新构造支持向量机的凸二次优化问题,以得到一个泛化能力更好的分类超平面.S_GSVM方法充分考虑了数据复杂分布对于泛化能力的影响,对基于最大间隔的分类面进行改进.实验结果表明,S_GSVM方法在非平衡数据集上能得到较好的泛化性能.

关键词：支持向量机粒度支持向量机不平衡分布粒偏移因子 S—GSVM模型

来源：评论

学校读者我要写书评

暂无评论

一种小样本数据的特征选择方法

引用

计算机研究与发展 2018年第10期55卷 2321-2330页

作者：许行张凯王文剑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

小样本数据由于其特征维数相对于样本数目较多,且常包含不相关或冗余特征,使得常用的机器学习算法处理小样本数据时无法得到好的效果,通过特征选择来降低数据维数是解决该问题的一种有效途径.针对小样本数据,提出一种基于互信息的过滤... 详细信息

小样本数据由于其特征维数相对于样本数目较多,且常包含不相关或冗余特征,使得常用的机器学习算法处理小样本数据时无法得到好的效果,通过特征选择来降低数据维数是解决该问题的一种有效途径.针对小样本数据,提出一种基于互信息的过滤型特征选择方法,首先定义了基于互信息的特征分组标准,该标准同时考虑特征与类别的相关性和不同特征之间的冗余性,根据该标准对特征分组后,在各组内选出与类别相关性最大的特征构成候选特征子集,保证了算法具有较低的时间复杂度,之后采用Boruta算法,在候选特征子集中自动确定最佳特征子集,从而大幅度降低数据的维数.通过与5种经典的特征选择算法比较,在标准数据集上采用3种分类器的实验结果表明提出的方法选出的特征子集具有较好的运行效率和分类性能.

关键词：小样本数据特征选择互信息特征分组过滤型算法

来源：评论

学校读者我要写书评

暂无评论

基于双空间模糊辨识关系的多标记特征选择

引用

模式识别与人工智能 2019年第8期32卷 709-717页

作者：姚二亮李德玉李艳红白鹤翔张超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

已有的基于模糊粗糙集的多标记特征选择算法多从单一的样本空间刻画属性区分能力,忽视属性对标记的区分能力.基于这一认识,文中同时从样本和标记两个空间出发,提出基于双空间模糊辨识关系的多标记特征选择算法.首先,基于模糊辨识关系分... 详细信息

已有的基于模糊粗糙集的多标记特征选择算法多从单一的样本空间刻画属性区分能力,忽视属性对标记的区分能力.基于这一认识,文中同时从样本和标记两个空间出发,提出基于双空间模糊辨识关系的多标记特征选择算法.首先,基于模糊辨识关系分别从样本和标记角度定义两种多标记属性重要性度量,然后通过权重融合的方式融合两种度量,基于融合后的度量,运用前向贪心算法构建多标记特征选择算法.在5个数据集上的对比实验验证本文算法的有效性.

关键词：多标记学习特征选择模糊粗糙集模糊辨识关系

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：