检索结果-内蒙古大学图书馆

复杂系统与复杂性科学 2024年第3期21卷 120-127页

作者：韩普叶东宇顾亮南京邮电大学管理学院南京210003 南京大学江苏省数据工程与知识服务重点实验室南京210023

为探究奖惩机制下多方利益主体在社区垃圾分类中的行为倾向,构建了居民、居委会和地方政府的演化博弈模型,通过对模型求解和稳定性分析探讨三方均衡演化策略条件,并借助MATLAB进行仿真验证与结果分析。研究发现,居委会在社区垃圾分类中... 详细信息

为探究奖惩机制下多方利益主体在社区垃圾分类中的行为倾向,构建了居民、居委会和地方政府的演化博弈模型,通过对模型求解和稳定性分析探讨三方均衡演化策略条件,并借助MATLAB进行仿真验证与结果分析。研究发现,居委会在社区垃圾分类中扮演着重要角色,居民是社区垃圾分类的重要参与者,居委会的监督管理会直接影响居民的垃圾分类行为;地方政府合理的奖惩手段能有效调动二者的参与积极性,且相比于奖励措施,居民和居委会对惩罚措施的敏感度更高。

关键词：垃圾分类奖惩机制三方演化博弈

来源：评论

学校读者我要写书评

暂无评论

面向方志知识图谱的术语抽取模型迁移学习研究

引用

情报理论与实践 2021年第4期44卷 176-184页

作者：熊欣王昊邓三鸿南京大学信息管理学院江苏南京210023 江苏省数据工程与知识服务重点实验室江苏南京210023

[目的/意义]针对方志资源的知识价值利用率极为有限的现状,探究面向方志知识图谱的自动化术语抽取,解决缺乏大规模标注语料的冷启动问题。[方法/过程]构建由文本表示、特征提取、序列标注三层体系结构组成的TFT模型,通过远程监督实现源... 详细信息

[目的/意义]针对方志资源的知识价值利用率极为有限的现状,探究面向方志知识图谱的自动化术语抽取,解决缺乏大规模标注语料的冷启动问题。[方法/过程]构建由文本表示、特征提取、序列标注三层体系结构组成的TFT模型,通过远程监督实现源域标注语料到目标域方志文本的知识迁移,并以传统机器学习方法 CRF模型作为基准进行对比。[结果/结论]实验结果表明:在文本表示层,Random 实验评估,考虑到方志语料的多样性,这可能会对实验结果造成一定影响。

关键词：术语抽取方志知识图谱迁移学习 BERT 长短时记忆网络

来源：评论

学校读者我要写书评

暂无评论

文本语义化表示对其识别准确率的影响研究--以中华美食本体库构建为例

引用

情报理论与实践 2021年第10期44卷 8-17页

作者：赵梓博王昊邓三鸿张海潮南京大学信息管理学院江苏南京210023 江苏省数据工程与知识服务重点实验室江苏南京210023

[目的/意义]深度学习模型已经成为命名实体识别的主要方法,但当前多数模型的预处理忽略文本中词上下文的语义信息。因此,探明文本的语义化表示对于实体识别的影响具有重要意义。[方法/过程]文章以中华美食本体库构建为例,通过构建CRFs、... 详细信息

[目的/意义]深度学习模型已经成为命名实体识别的主要方法,但当前多数模型的预处理忽略文本中词上下文的语义信息。因此,探明文本的语义化表示对于实体识别的影响具有重要意义。[方法/过程]文章以中华美食本体库构建为例,通过构建CRFs、BiLSTM-CRFs、Char2vec-BiLSTM-CRFs和BERT-BiLSTM-CRFs这4类模型,对比分析文本语义化表示对其识别效果的影响;联合比较了基于BERT-BiLSTM-CRFs模型的术语单独抽取和集合抽取的结果,并将该模型应用于美食本体库的构建。[结果/结论]实验表明,使用BERT-BiLSTM-CRFs模型的实体识别准确率要高于其他模型,整体F1值提升8.7%;并且实体单独识别抽取比集合抽取效果更好。[局限]研究的实验数据规模有限,后续研究将在更大数据集上进行。

关键词：文本语义化表示深度学习字向量美食实体识别本体 BERT-BiLSTM-CRFs

来源：评论

学校读者我要写书评

暂无评论

基于语义表示和动态主题模型的社科领域新兴主题预测研究

引用

情报理论与实践 2023年第2期46卷 184-193页

作者：郝雯柯杨建林南京大学信息管理学院江苏南京210023 江苏省数据工程与知识服务重点实验室江苏南京210023

[目的/意义]预测社科领域在未来有发展潜力的研究主题对于科研工作者寻找新的学科增长点和政府部门优化资源配置至关重要。文章提出一种基于语义表示和动态主题模型的社科领域新兴主题预测框架,以期丰富和完善主题预测研究的方法体系。... 详细信息

[目的/意义]预测社科领域在未来有发展潜力的研究主题对于科研工作者寻找新的学科增长点和政府部门优化资源配置至关重要。文章提出一种基于语义表示和动态主题模型的社科领域新兴主题预测框架,以期丰富和完善主题预测研究的方法体系。[方法/过程]首先,使用BERT模型和UMAP算法对文本进行语义表示和向量降维,再通过动态主题模型对嵌入向量进行聚类,从而获得全局主题;其次,构建新兴主题指标计算公式,基于Neural Prophet模型和非参数检验方法预测新兴主题;最后,通过划分时间窗将全局主题细化为多个局部主题,以定位最近时间段的新兴词汇。[结果/结论]选取“人口老龄化”领域的学术论文和报纸进行实证研究,并采用资料验证法进行方法有效性分析,结果表明该方法能够快速准确地预测社科领域中的新兴主题。

关键词：新兴主题预测动态主题模型 BERT 时间序列模型文献计量

来源：评论

学校读者我要写书评

暂无评论

基于中文术语区分能力的期刊差异性分析研究

引用

情报理论与实践 2020年第5期43卷 115-122,103页

作者：熊欣王昊苏新宁邓三鸿南京大学信息管理学院江苏南京210023 江苏省数据工程与知识服务重点实验室江苏南京210023

[目的/意义]针对中文期刊趋于同质化而缺乏特色的现状,在以内容为主的知识创新背景下,文章提出了术语区分能力(TDC)测度并应用于期刊的内容差异性度量,分析原因并对期刊发展提出建议。[方法/过程]以图书情报学、计算机科学、历史学的核... 详细信息

[目的/意义]针对中文期刊趋于同质化而缺乏特色的现状,在以内容为主的知识创新背景下,文章提出了术语区分能力(TDC)测度并应用于期刊的内容差异性度量,分析原因并对期刊发展提出建议。[方法/过程]以图书情报学、计算机科学、历史学的核心期刊为实验对象,采用TDC测度、方差分析和聚类分析分别从期刊、时间和学科维度比较期刊的术语区分能力,从而对期刊进行差异性分析。[结果/结论]实验结果表明:TDC在一定程度上能够反映期刊的内容差异性,随着时间跨度的增大差异性表现得更稳定;期刊的TDC在固定时间范围内呈现出一定的发展规律和学科差异;这三个学科的期刊在TDC上的表现:历史学>图书情报学≈计算机科学,由于情报学是交叉领域,其期刊的差异性最弱,未来在图书情报学内外都需要加强自身特色和竞争力。[局限]实验数据抽取自题名、关键词和摘要,没有考虑来自引文的术语,存在一定的局限性。

关键词：术语区分能力差异性分析期刊评价方差分析聚类分析

来源：评论

学校读者我要写书评

暂无评论

融合知识图谱的中文医疗问答社区自动问答研究

引用

数据分析与知识发现 2023年第3期7卷 97-109页

作者：王寅秋虞为陈俊鹏江苏省数据工程与知识服务重点实验室南京210023 南京大学信息管理学院南京210023 南京财经大学信息工程学院南京210023

【目的】结合专业医疗知识图谱,提高答案选择模型对于中文医疗社区问答识别的准确率,为当前的网络中文医疗问答社区提出能够更好地判断答案可靠程度的方法。【方法】在应用混合神经网络(融合RNN和多尺度CNN捕捉上下文以及局部信息)的答... 详细信息

【目的】结合专业医疗知识图谱,提高答案选择模型对于中文医疗社区问答识别的准确率,为当前的网络中文医疗问答社区提出能够更好地判断答案可靠程度的方法。【方法】在应用混合神经网络(融合RNN和多尺度CNN捕捉上下文以及局部信息)的答案选择模型基础上,构建专业医疗知识图谱并融合实体以及关系嵌入丰富问答文本的语义信息,结合问答对注意力机制,最终获取问答对相似度并筛选得分最高的作为候选答案。【结果】在cMedQA2.0数据集上,相较于没有融入知识图谱实体关系嵌入的混合神经网络模型,本文模型答案选择的Top-1准确率提高了2.3个百分点,达到62.2%,证明了在医疗问答文本中引入专业知识图谱信息对于答案选择效果提升的有效性。【局限】使用的医疗知识图谱体量较小,只包含医疗社区问答中常见的实体,还有大量的医疗实体与关系未能包含其中,医疗实体关系的不完备在面对冷门问题时可能会影响答案选择的效果。【结论】通过结合中文医疗的专业知识图谱和深度学习模型,不断完善答案选择技术,不仅能够帮助有医疗咨询需求的人群在问答社区获取可靠的医疗建议,还能够实现网络医疗社区信息质量监测和医院门诊减负。

关键词：问答社区深度学习答案选择知识图谱

来源：评论

学校读者我要写书评

暂无评论

面向在线健康社区的生成式方面级情感分析

引用

现代情报 2024年第10期44卷 142-153页

作者：韩普叶东宇南京邮电大学管理学院江苏南京210003 江苏省数据工程与知识服务重点实验室江苏南京210023

[目的/意义]为解决在线健康社区文本中方面实体和评论实体难以对齐的问题,提出了一种基于端到端的生成式方面级情感分析模型BERT-WWM-GPT。[方法/过程]首先,在模型训练阶段通过编码器抽取文本中包含丰富语义信息的特征向量;其次,基于特... 详细信息

[目的/意义]为解决在线健康社区文本中方面实体和评论实体难以对齐的问题,提出了一种基于端到端的生成式方面级情感分析模型BERT-WWM-GPT。[方法/过程]首先,在模型训练阶段通过编码器抽取文本中包含丰富语义信息的特征向量;其次,基于特征向量和标准预测序列在解码器中迭代生成情感三元组,并通过最大似然估计训练模型参数;然后,在模型推理阶段基于文本语义特征向量在解码器生成预测序列;最后,利用规则得到有效的情感三元组表达。[结果/结论]对自建数据集和5份公共数据集进行验证,结果表明BERT-WWM-GPT模型在两个方面级情感分析任务中的F1值分别比基准模型GTS和MuG RoBERTa-large提升了12.25%和7.22%。BERT-WWM-GPT模型能够有效抽取在线健康社区评论中的多重情感三元组,且在其他领域具有优秀的泛化能力。

关键词：生成式模型方面级情感分析情感三元组在线健康社区

来源：评论

学校读者我要写书评

暂无评论

基于远程监督和深度学习的非物质文化遗产文本属性抽取研究

引用

情报理论与实践 2021年第10期44卷 1-7,17页

作者：范涛王昊张宝隆南京大学信息管理学院江苏南京210023 江苏省数据工程与知识服务重点实验室江苏南京210023

[目的/意义]对非物质文化遗产(以下简称非遗)文本展开属性抽取研究,有利于非遗的知识图谱建设和非遗文化传播。[方法/过程]首先,基于非遗属性表,借助远程监督方法,构建大规模非遗文本属性标注语料。其次,基于深度学习方法构建CNN-BiLSTM... 详细信息

[目的/意义]对非物质文化遗产(以下简称非遗)文本展开属性抽取研究,有利于非遗的知识图谱建设和非遗文化传播。[方法/过程]首先,基于非遗属性表,借助远程监督方法,构建大规模非遗文本属性标注语料。其次,基于深度学习方法构建CNN-BiLSTM-Att-CRF模型,对标注的非遗属性语料库中的属性值进行抽取,并同相关基线模型进行比较。[结果/结论]通过对标注语料库进行抽样检测,发现基于远程监督的非遗属性抽取标注语料库质量较高;本文提出的模型在多个非遗属性中属性抽取表现最优,同时平均的非遗属性抽取性能最佳。

关键词：非物质文化遗产自然语言处理远程监督属性抽取神经网络深度学习

来源：评论

学校读者我要写书评

暂无评论

物联网关键技术在国内外发展现状的词频分析研究——基于Engineering Index（2006~2014）

引用

西南民族大学学报（人文社会科学版） 2015年第6期36卷 232-235页

作者：李成渊蒋勋无锡环境科学与工程研究中心江苏省数据工程与知识服务重点实验室(南京大学)

本文借引权威工程文献检索平台——工程索引,对2006年-2014年所发表的物联网领域科技文献,进行了词频分析研究,梳理了物联网关键技术及其在国内外发展现状的演进过程,并对物联网技术发展的趋势和方向进行了预测和研判。最终获得结论,射... 详细信息

本文借引权威工程文献检索平台——工程索引,对2006年-2014年所发表的物联网领域科技文献,进行了词频分析研究,梳理了物联网关键技术及其在国内外发展现状的演进过程,并对物联网技术发展的趋势和方向进行了预测和研判。最终获得结论,射频识别技术在众多物联网关键技术的发展中,近期还将处于核心位置。

关键词：物联网射频识别词频分析

来源：评论

学校读者我要写书评

暂无评论

基于视觉的网络舆情事件中网民情感分析研究

引用

情报资料工作 2022年第4期43卷 83-91页

作者：范涛王昊林克柔刘渊晨南京大学信息管理学院江苏210023 江苏省数据工程与知识服务重点实验室南京210023

[目的/意义]当前网络舆情事件中网民情感分析研究多聚焦于文本、文本结合图片和视频等内容,缺乏针对图片的探讨。同时,视觉情感分析中多视觉语义特征融合缺乏相应的理论指导。[方法/过程]文章借鉴多模态融合思想,以此作为多视觉语义特... 详细信息

[目的/意义]当前网络舆情事件中网民情感分析研究多聚焦于文本、文本结合图片和视频等内容,缺乏针对图片的探讨。同时,视觉情感分析中多视觉语义特征融合缺乏相应的理论指导。[方法/过程]文章借鉴多模态融合思想,以此作为多视觉语义特征融合的理论指导,按照特征层融合、中间层融合、决策层融合和混合融合策略,以在ImageNet数据集中预训练的VGG19模型和Xception模型为基础,设计对应的网络舆情视觉情感分析模型。[结果/结论]文章将提出的模型在网络舆情图片数据集中展开实证研究,并同基线模型做对比。实验结果表明我们提出的基于决策层融合的网络舆情视觉情感分析模型表现最佳。为增强模型的可解释性,本文对网络舆情视觉情感分析模型中卷积层的输出进行了可视化分析。

关键词：网络舆情网民情感分析视觉情感分析迁移学习卷积神经网络

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：