检索结果-内蒙古大学图书馆

模式识别与人工智能 2018年第7期31卷 643-652页

作者：尹儒门昌骞王文剑刘澍泽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 Department of Computer Science Rensselaer Polytechnic In-stituteTroyNY 12180

决策树算法采用递归方法构建,训练效率较低,过度分类的决策树可能产生过拟合现象.因此,文中提出模型决策树算法.首先在训练数据集上采用基尼指数递归生成一棵不完全决策树,然后使用一个简单分类模型对其中的非纯伪叶结点(非叶结点且结... 详细信息

决策树算法采用递归方法构建,训练效率较低,过度分类的决策树可能产生过拟合现象.因此,文中提出模型决策树算法.首先在训练数据集上采用基尼指数递归生成一棵不完全决策树,然后使用一个简单分类模型对其中的非纯伪叶结点(非叶结点且结点包含的样本不属于同一类)进行分类,生成最终的决策树.相比原始的决策树算法,这样产生的模型决策树能在算法精度不损失或损失很小的情况下,提高决策树的训练效率.在标准数据集上的实验表明,文中提出的模型决策树在速度上明显优于决策树算法,具备一定的抗过拟合能力.

关键词：基尼指数决策树(DT) 模型决策树分类

来源：评论

学校读者我要写书评

暂无评论

融合CNN和结构相似度计算的排比句识别及应用

引用

中文信息学报 2018年第2期32卷 139-146页

作者：穆婉青廖健王素格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

排比句具有结构紧凑、句式整齐、富有表现力等鲜明的特点,广泛应用在各种文体之中,在近几年语文高考的鉴赏类问题中也多有考察,但在自动识别方面的研究还鲜有涉及。该文依据排比句结构相似、内容相关的特点,以句子的词性、词语作为基本... 详细信息

排比句具有结构紧凑、句式整齐、富有表现力等鲜明的特点,广泛应用在各种文体之中,在近几年语文高考的鉴赏类问题中也多有考察,但在自动识别方面的研究还鲜有涉及。该文依据排比句结构相似、内容相关的特点,以句子的词性、词语作为基本特征,设计了融合卷积神经网络和结构相似度计算的排比句识别方法。首先将词向量和词性向量融入句子的分布式表示中,利用多个卷积核对其进行卷积操作,设计出基于卷积神经网络的排比句识别方法。利用分句之间的词性串构造相似度计算,设计了基于结构相似度计算的排比句识别方法。同时考虑句子内部的语义相关性和结构相似性,将卷积神经网络和结构相似度计算方法融合,用于排比句的识别。对文学作品数据集和高考题中的文学类阅读材料数据集进行排比句识别实验,验证了该文所提的方法是有效的。

关键词：排比句语义相关性结构相似性卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于词语关联的散文阅读理解问题答案获取方法

引用

中文信息学报 2018年第3期32卷 135-142页

作者：乔霈王素格陈鑫谭红叶陈千王元龙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

高考语文阅读理解问答题中的提问方式复杂多样,使用的词语语义抽象,而相关阅读材料的内容表达丰富和含蓄,造成问题中的词语与阅读材料中词语存在一定的语义鸿沟。为了解决这一问题,该文对词语关联进行相关研究。首先利用LDA主题聚类方法... 详细信息

高考语文阅读理解问答题中的提问方式复杂多样,使用的词语语义抽象,而相关阅读材料的内容表达丰富和含蓄,造成问题中的词语与阅读材料中词语存在一定的语义鸿沟。为了解决这一问题,该文对词语关联进行相关研究。首先利用LDA主题聚类方法,将同一主题类的词语进行聚类,根据各类词语的词性、词频特征,筛选与主题相关联的词语,再利用Word2Vec的语义相似度计算,将每一个主题关联的词语扩展,获得与主题词语义关联的词语。最后,将所提出的方法应用于近12年北京高考题和模拟题的散文抽取类问答题解答中,实验结果表明该方法优于传统的词语扩展方法。

关键词：阅读理解问答题 LDA聚类词语关联

来源：评论

学校读者我要写书评

暂无评论

基于增强多注意力的LSTM网络的方面级情感分类

基于增强多注意力的LSTM网络的方面级情感分类

引用

第十八届中国计算语言学大会暨中国中文信息学会2019学术年会

作者：符玉杰李旸王素格廖健吴卓嘉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

为了挖掘用户细粒度的情感表达,方面级情感分析引起了研究者们的关注.现有的研究方法通常将方面判别任务与情感分析任务分离,且在给定方面的基础上进行情感分析.然而现实的评论数据大多没有标注方面标签,因此,对于给定的评论文本,需要... 详细信息

为了挖掘用户细粒度的情感表达,方面级情感分析引起了研究者们的关注.现有的研究方法通常将方面判别任务与情感分析任务分离,且在给定方面的基础上进行情感分析.然而现实的评论数据大多没有标注方面标签,因此,对于给定的评论文本,需要同时判断方面类别及其情感极性.本文利用多个分类器同时对评论的方面及其情感进行预测,使用两层长短期记忆网络对评论的上下文信息和方面信息进行编码,并利用注意力机制对评论中相关方面的情感信息进行注意,再对多个注意力模块进行叠加增强建模得到文本的表示,在此基础上,预测句子中的方面及其对应的情感.本文在SemEval和BDCI2018汽车评论的主题及情感识别数据上分别进行了实验,结果显示本文的方法对方面级的情感分析具有较好的提升效果.

关键词：方面级情感分析长短期记忆网络多注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于答案及其上下文信息的问题生成模型

基于答案及其上下文信息的问题生成模型

引用

第十八届中国计算语言学大会暨中国中文信息学会2019学术年会

作者：谭红叶孙秀琴闫真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 山西大学计算机与信息技术学院山西太原 030006

基于文本的问题生成是从给定的句子或段落中生成相关问题.目前,主要采用序列到序列的神经网络模型针对包含答案的句子生成问题.然而这些方法存在主要问题:生成的疑问词与答案类型不匹配;问题与答案的相关性不强.本文提出一个基于答案及... 详细信息

基于文本的问题生成是从给定的句子或段落中生成相关问题.目前,主要采用序列到序列的神经网络模型针对包含答案的句子生成问题.然而这些方法存在主要问题:生成的疑问词与答案类型不匹配;问题与答案的相关性不强.本文提出一个基于答案及其上下文信息的问题生成模型.该模型首先根据答案与上下文信息的关系确定与答案类型匹配的疑问词;然后利用答案及其上下文信息确定问题相关词,使问题尽可能使用原文中的词;最后结合原句作为输入来生成问题.相关实验表明,该文提出的模型性能明显优于基线系统.

关键词：问题生成答案信息上下文信息神经网络注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于外部知识和层级篇章表示的阅读理解方法

基于外部知识和层级篇章表示的阅读理解方法

引用

第十八届中国计算语言学大会暨中国中文信息学会2019学术年会

作者：谭红叶李宣影刘蓓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 山西大学计算机与信息技术学院山西太原 030006

阅读理解是基于给定文章自动回答相关问题,是人工智能及自然语言处理领域的一个研究热点.目前已提出许多基于深度学习的阅读理解方法,但是这些方法对问题理解及篇章建模不充分,导致模型获取答案准确率不高.为了解决上述问题,该文提出一... 详细信息

阅读理解是基于给定文章自动回答相关问题,是人工智能及自然语言处理领域的一个研究热点.目前已提出许多基于深度学习的阅读理解方法,但是这些方法对问题理解及篇章建模不充分,导致模型获取答案准确率不高.为了解决上述问题,该文提出一个基于外部知识和层级篇章表示的阅读理解方法.该方法特点有:通过引入问题重要词的字典释义、Hownet义原并结合问题类型,加强问题理解;使用层级篇章表示,提升模型对篇章的理解;在一个框架下联合优化问题类型预测与答案预测两个子任务.在DuReader数据集上的实验结果表明,所提方法与基线系统性能相比最大提升了8％.

关键词：阅读理解外部知识篇章表示

来源：评论

学校读者我要写书评

暂无评论

基于加权聚类集成的标签传播算法

引用

智能系统学报 2018年第6期13卷 994-998页

作者：张美琴白亮王俊斌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

标签传播算法(LPA)是一种高效地处理大规模网络的社区发现算法,由于其近乎线性的时间复杂度而受到广泛关注。然而,该算法每个节点的标签依赖于其邻居节点,其迭代速度和聚类有效性对标签信息的更新顺序非常敏感,影响了社区发现结果的准... 详细信息

标签传播算法(LPA)是一种高效地处理大规模网络的社区发现算法,由于其近乎线性的时间复杂度而受到广泛关注。然而,该算法每个节点的标签依赖于其邻居节点,其迭代速度和聚类有效性对标签信息的更新顺序非常敏感,影响了社区发现结果的准确性和稳定性。基于该问题,提出了一种基于加权聚类集成的标签传播算法。该算法利用多次标签传播算法的结果作为基聚类集,并用模块度评估每个基聚类的重要性,使其作为节点相似性度量的权值形成加权相似性矩阵,最后通过层次聚类得出最终的社区划分结果。在实验分析中,该算法和其他5个具有代表性的标签传播算法的改进算法在真实数据集上进行了比较,展示了新算法能有效地提高标签传播算法的社区发现精度。

关键词：数据挖掘网络数据社区发现标签传播算法聚类集成基聚类模块度加权度量

来源：评论

学校读者我要写书评

暂无评论

一种基于空间变换的协同过滤推荐算法

引用

计算机科学 2018年第7期45卷 16-21页

作者：赵兴旺梁吉业郭兰杰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

传统的协同过滤推荐算法在实际应用中往往面临着计算可扩展性的问题。为解决此问题,文中在基于物品的协同过滤推荐的框架下,通过融合社交关系信息,提出了一种基于空间变换的协同过滤推荐算法。首先,根据用户社交网络信息,运用社区发现... 详细信息

传统的协同过滤推荐算法在实际应用中往往面临着计算可扩展性的问题。为解决此问题,文中在基于物品的协同过滤推荐的框架下,通过融合社交关系信息,提出了一种基于空间变换的协同过滤推荐算法。首先,根据用户社交网络信息,运用社区发现算法将用户划分为不同的类;其次,基于评分信息,根据用户和物品之间的对应关系找到各个用户类所对应的物品类;最后,通过各个物品对每一物品类的隶属关系,将稀疏的高维评分信息矩阵转换为一个低维稠密的物品隶属度矩阵,进而基于该矩阵进行相似度计算并进行协同过滤推荐。在公开数据集上将所提方法与其他算法进行了对比实验分析,结果表明,所提算法能够在保证推荐准确性的同时明显提升计算效率。

关键词：协同过滤社交网络空间变换可扩展性

来源：评论

学校读者我要写书评

暂无评论

面向高考阅读理解观点类问题的答案抽取方法

引用

郑州大学学报（理学版） 2018年第1期50卷 54-59页

作者：王素格李书鸣陈鑫穆婉青乔霈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

为了克服高考阅读理解观点类问题中仅仅利用关键词进行答案句抽取的不足,通过对单篇文章建立LDA(latent dirichlet allocation)模型,计算阅读材料中每一句话与问题的主题分布相似度.利用SVM(support vector machine)分类器,对主题分布... 详细信息

为了克服高考阅读理解观点类问题中仅仅利用关键词进行答案句抽取的不足,通过对单篇文章建立LDA(latent dirichlet allocation)模型,计算阅读材料中每一句话与问题的主题分布相似度.利用SVM(support vector machine)分类器,对主题分布相似度高的句子进行分类,用于获取具有观点特征的候选观点句,最后将其与问题观点进行相似度计算并排序,选取排名前α个句子作为题目的答案句.该方法在标注好的高考观点类问题的答案句识别中,总体正确率达到了47.8%,并能将答案句的排序提前.实验结果表明,散文阅读理解题中采用多主题方法比单主题时具有更好的效果.

关键词：问答系统语义相似阅读理解主题观点

来源：评论

学校读者我要写书评

暂无评论

代价敏感的序贯三支决策方法

引用

计算机科学 2018年第10期45卷 6-10页

作者：邢颖李德玉王素格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

在现实决策中,代价敏感问题是影响人类决策的重要因素之一,许多研究者致力于降低决策的代价。现阶段,在粗糙集领域中,研究者多基于DTRS模型且仅考虑某一种代价,不够全面。针对以上问题,利用序贯三支决策模型对两种代价的敏感性,通过多... 详细信息

在现实决策中,代价敏感问题是影响人类决策的重要因素之一,许多研究者致力于降低决策的代价。现阶段,在粗糙集领域中,研究者多基于DTRS模型且仅考虑某一种代价,不够全面。针对以上问题,利用序贯三支决策模型对两种代价的敏感性,通过多层次粒结构可以有效降低决策总代价,且能够更好地模拟人类动态渐进的决策过程。在序贯三支决策模型的基础上,构造了多层次粒结构;将各个属性的测试代价与其分类能力相关联,从信息熵的角度为其设置测试代价;与此同时,将属性约简与序贯三支决策相结合,利用基于代价最小准则的属性约简去除冗余属性及不相关属性对代价的影响。在7个UCI数据集上的实验结果显示,在保证较高准确度的同时,决策的总代价平均下降了26%左右,充分验证了该方法的有效性。

关键词：多粒度序贯三支决策代价敏感属性约简0x09多粒度序贯三支决策代价敏感属性约简0x09

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：