检索结果-内蒙古大学图书馆

第十七届全国机器翻译大会

作者：韩越宜年艾山·吾买尔汪烈军刘胜全吐尔根·依布拉音新疆大学信息科学与工程学院新疆维吾尔自治区乌鲁木齐830046 新疆多语种信息技术重点实验室新疆维吾尔自治区乌鲁木齐830046

低资源下,用预训练的词嵌入初始化端到端模型的编码器和解码器嵌入层是神经机器翻译的实用技巧.通用的做法是在大规模单语数据上训练词嵌入并用其初始化RNN 神经机器翻译模型的嵌入层.然而,现有的机器翻译模型通常采用基于BPE 切分的子... 详细信息

低资源下,用预训练的词嵌入初始化端到端模型的编码器和解码器嵌入层是神经机器翻译的实用技巧.通用的做法是在大规模单语数据上训练词嵌入并用其初始化RNN 神经机器翻译模型的嵌入层.然而,现有的机器翻译模型通常采用基于BPE 切分的子词作为输入,并使用Transformer 做为翻译模型.因此,该文首先比较了基于子词嵌入的初始化方法在不同翻译模型上的性能,并针对在Transformer 上预训练子词嵌入初始化方法表现不佳的问题,提出使用跨语言嵌入初始化翻译模型嵌入层的方法.提出的方法在5 个语言对10 个方向上平均提升0.78 个BLEU 值,最高提升1.19,最低0.39,并在多语言场景下也观察到0.37 个BLEU 值的提升.

关键词：子词嵌入跨语言嵌入机器翻译预训练 Transformer

来源：评论

学校读者我要写书评

暂无评论

基于Bi-LSTM-CRF模型的维吾尔语词干提取的研究

引用

中文信息学报 2019年第8期33卷 60-66页

作者：古丽尼格尔·阿不都外力吐尔根·依布拉音卡哈尔江·阿比的热西提王路路新疆大学信息科学与工程学院新疆乌鲁木齐830046 新疆大学新疆多语种信息技术实验室新疆乌鲁木齐830046

词干提取是维吾尔语自然语言处理中的基础性研究,其提取质量直接影响其他任务的性能。但目前维吾尔语词干提取研究存在过度切分、不切分和歧义切分等问题,这些问题导致词干提取质量不高,对后续任务的性能影响较大。因此该文提出了基于Bi... 详细信息

词干提取是维吾尔语自然语言处理中的基础性研究,其提取质量直接影响其他任务的性能。但目前维吾尔语词干提取研究存在过度切分、不切分和歧义切分等问题,这些问题导致词干提取质量不高,对后续任务的性能影响较大。因此该文提出了基于Bi-LSTM-CRF的维吾尔语词干提取模型,将字符作为最小切分单位,选取维吾尔语字符特征、音类特征以及语音特征为候选特征,结合模型进行实验。实验表明,该文提出的Bi-LSTM-CRF模型在维吾尔语词干提取任务上,F1值达到了88%,在融入手工提取的候选特征之后,F1值提高了1.8个点,有效提高了词干提取的准确性,缓解了上述问题带来的影响。

关键词：维吾尔语词干提取 Bi-LSTM-CRF

来源：评论

学校读者我要写书评

暂无评论

基于Django的汉维人名在线翻译系统

引用

现代计算机 2020年第18期26卷 19-22,32页

作者：西热艾力·海热拉艾山·吾买尔王路路新疆大学信息科学与工程学院乌鲁木齐830046 新疆大学新疆多语种信息技术实验室乌鲁木齐830046

人名是文本中表达关键信息的部分,机器翻译系统在人名翻译上的表现对翻译质量具有重要影响。人名翻译作为命名实体翻译的重要部分,具有重要的研究意义。设计与实现基于Django的汉语-维吾尔语人名自动翻译网络服务接口,供机器翻译、关键... 详细信息

人名是文本中表达关键信息的部分,机器翻译系统在人名翻译上的表现对翻译质量具有重要影响。人名翻译作为命名实体翻译的重要部分,具有重要的研究意义。设计与实现基于Django的汉语-维吾尔语人名自动翻译网络服务接口,供机器翻译、关键词翻译等系统使用。采用TensorFlow框架搭建翻译模型并实现Django Web服务接口。实验结果显示,该翻译模型的准确率达到93.7%,服务接口翻译速度达到每秒139.72个字符,具有良好的并发性。

关键词：汉语维吾尔语人名 Django 循环神经网络

来源：评论

学校读者我要写书评

暂无评论

维吾尔语词向量的评测研究

引用

厦门大学学报（自然科学版） 2019年第2期58卷 209-216页

作者：吴浩艾山.吾买尔王路路卡哈尔江.阿比的热西提吐尔根.依布拉音新疆大学信息科学与工程学院新疆多语种信息技术实验室新疆乌鲁木齐830046

目前探究维吾尔语词向量表示的相关研究报道很少,在对其性能评价、实际使用等方面存在一些问题亟待解决.基于此,构建了维吾尔语版wordsim240和word analogy词向量评测数据集;提出了新的单词语义相似度评测方法,并以命名实体识别任务作... 详细信息

目前探究维吾尔语词向量表示的相关研究报道很少,在对其性能评价、实际使用等方面存在一些问题亟待解决.基于此,构建了维吾尔语版wordsim240和word analogy词向量评测数据集;提出了新的单词语义相似度评测方法,并以命名实体识别任务作为实际任务验证其有效性;同时分析了改进的类比推理评测方法鉴别词向量表示语义的能力.实验结果显示,提出及改进的方法均能有效应用于评测任务;且在较小语料规模下,较低维度(64,128,256维)的词向量在各项评测任务上表现更好.

关键词：词向量维吾尔语评测任务

来源：评论

学校读者我要写书评

暂无评论

基于熵的机器翻译伪并行语料库选择方法

引用

现代计算机 2021年第19期27卷 9-14,18页

作者：刘婉月艾山・吾买尔敖乃翔郭锐新疆大学信息科学与工程学院乌鲁木齐830046 新疆大学新疆多语种信息技术实验室乌鲁木齐830046 中国电子科技集团公司电子科学研究院北京100041 新疆联海创智信息科技有限公司乌鲁木齐830010

为了获得高质量的NMT模型,大规模并行语料库是必不可少的。使用反向翻译构造伪造语料库,这些伪造语料中存在大量的噪声,这些噪声会降低NMT模型的翻译质量。为了从反向翻译的伪造语料中选取高质量的语料,对此,提出了多种基于熵过滤伪造... 详细信息

为了获得高质量的NMT模型,大规模并行语料库是必不可少的。使用反向翻译构造伪造语料库,这些伪造语料中存在大量的噪声,这些噪声会降低NMT模型的翻译质量。为了从反向翻译的伪造语料中选取高质量的语料,对此,提出了多种基于熵过滤伪造语料的方法,使用单个或多个语言模型按照不同的困惑度选择方法筛选伪造语料,实验表明,联合不同语言模型能够筛选高质量语料,并提高模型的质量。

关键词：大规模并行语料库语言模型伪造语料库困惑度

来源：评论

学校读者我要写书评

暂无评论

基于神经元块级别注意力机制的LSTM关系抽取

引用

计算机应用研究 2020年第S02期37卷 76-79页

作者：吴天昊古丽拉·阿东别克新疆大学信息科学与工程学院乌鲁木齐830046 国家语言资源监测与研究少数民族语言中心哈萨克和柯尔克孜语文基地乌鲁木齐830046 新疆多语种信息技术实验室乌鲁木齐830046

目前关系抽取方法中,传统深度学习方法存在长距离依赖问题,并且未考虑模型内部神经元特征之间的相关性。针对以上问题,提出一种基于神经元块级别注意力机制的LSTM(long short-term memory)关系抽取方法。将多特征向量相融合作为双向LST... 详细信息

目前关系抽取方法中,传统深度学习方法存在长距离依赖问题,并且未考虑模型内部神经元特征之间的相关性。针对以上问题,提出一种基于神经元块级别注意力机制的LSTM(long short-term memory)关系抽取方法。将多特征向量相融合作为双向LSTM的输入,采用块级别注意力机制对神经元特征进行注意力计算,通过注意力概率分布对神经元特征进行更新,同时采用批标准化算法对神经元的注意力特征进行优化,获取双向LSTM模型的输出特征;最后采用句子级别注意力机制对输出特征进行注意力计算,通过softmax分类器输出分类结果。在SemEval-2010task 8关系数据集上的实验结果表明,该方法的准确率较传统深度学习方法有进一步提升。

关键词：关系抽取双向LSTM 块级别注意力机制句子级别注意力机制批标准化算法

来源：评论

学校读者我要写书评

暂无评论

基于句子跨度的哈萨克语句法分析研究

引用

计算机应用研究 2020年第3期37卷 731-733,753页

作者：柴伟古丽拉·阿东别克新疆大学信息科学与工程学院乌鲁木齐830046 新疆多语种信息技术实验室乌鲁木齐830046 国家语言资源监测与研究少数民族语言中心哈萨克和柯尔克孜语文基地乌鲁木齐830046

由于目前哈萨克语句法分析准确率较低并缺乏基于神经网络的哈萨克语句法分析的相关研究,针对哈萨克语短语结构的句法分析,使用基于移进—归约的方法,采用在栈中存储句子跨度而不是部分树结构,从而在进行句法树解析时不需要对句法树进行... 详细信息

由于目前哈萨克语句法分析准确率较低并缺乏基于神经网络的哈萨克语句法分析的相关研究,针对哈萨克语短语结构的句法分析,使用基于移进—归约的方法,采用在栈中存储句子跨度而不是部分树结构,从而在进行句法树解析时不需要对句法树进行二叉化。该研究在句子特征提取时使用双向LSTM对句子跨度特征进行提取,得到句子跨度在整个句子上下文中信息,再使用多层感知机对句法分析模型进行训练,最后在解码时使用动态规划选取最优句法分析结果;最终使得哈萨克语短语句法分析准确率达到了76.92%。研究成果对哈萨克语句法分析准确率有了进一步的提高,并为后续的哈萨克语机器翻译及语义分析奠定良好的基础。

关键词：双向LSTM 句子跨度动态规划

来源：评论

学校读者我要写书评

暂无评论

基于条件随机场的维吾尔文机构名识别

引用

计算机工程与设计 2019年第1期40卷 273-278页

作者：买合木提.买买提王路路吐尔根.依布拉音艾山.吾买尔卡哈尔江.阿比的热西提新疆大学信息科学与工程学院新疆乌鲁木齐830046 新疆大学新疆多语种信息技术实验室新疆乌鲁木齐830046

为缓解目前维吾尔文机构名识别方法依赖于人工编写规则、识别效率低的问题,提出一种基于条件随机场模型(CRF)的维吾尔文机构名识别方法。根据维吾尔语的语言特性,结合词、词性、音节、机构名特征词表、地名词表等特征,实现维吾尔文机构... 详细信息

为缓解目前维吾尔文机构名识别方法依赖于人工编写规则、识别效率低的问题,提出一种基于条件随机场模型(CRF)的维吾尔文机构名识别方法。根据维吾尔语的语言特性,结合词、词性、音节、机构名特征词表、地名词表等特征,实现维吾尔文机构名识别。实验结果表明,相比于基于规则的方法和隐马尔科夫模型(HMM),该方法不依赖于人工编写规则,识别的准确率和召回率较高。

关键词：命名实体机构名识别维吾尔语条件随机场黏着语

来源：评论

学校读者我要写书评

暂无评论

基于特征选择和深度信念网络的文本情感分类算法

引用

计算机应用 2019年第7期39卷 1942-1947页

作者：向进勇杨文忠吾守尔·斯拉木新疆大学信息科学与工程学院乌鲁木齐830046 新疆多语种信息技术重点实验室(新疆大学) 乌鲁木齐830046

由于人类语言的复杂性,文本情感分类算法大多都存在因为冗余而造成的词汇量过大的问题。深度信念网络(DBN)通过学习输入语料中的有用信息以及它的几个隐藏层来解决这个问题。然而对于大型应用程序来说,DBN是一个耗时且计算代价昂贵的算... 详细信息

由于人类语言的复杂性,文本情感分类算法大多都存在因为冗余而造成的词汇量过大的问题。深度信念网络(DBN)通过学习输入语料中的有用信息以及它的几个隐藏层来解决这个问题。然而对于大型应用程序来说,DBN是一个耗时且计算代价昂贵的算法。针对这个问题,提出了一种半监督的情感分类算法,即基于特征选择和深度信念网络的文本情感分类算法(FSDBN)。首先使用特征选择方法(文档频率(DF)、信息增益(IG)、卡方统计(CHI)、互信息(MI))过滤掉一些不相关的特征从而使词汇表的复杂性降低;然后将特征选择的结果输入到DBN中,使得DBN的学习阶段更加高效。将所提算法应用到中文以及维吾尔语中,实验结果表明在酒店评论数据集上,FSDBN在准确率方面比DBN提高了1.6%,在训练时间上比DBN缩短一半。

关键词：深度信念网络深度学习特征选择半监督的情感分类算法受限波尔兹曼机文本情感分类

来源：评论

学校读者我要写书评

暂无评论

高并发汉英信息抽取系统的设计与实现

引用

现代电子技术 2019年第16期42卷 104-107,111页

作者：张少迪艾山·吾买尔郑炅石刚新疆大学信息科学与工程学院新疆乌鲁木齐830046 新疆大学新疆多语种信息技术实验室新疆乌鲁木齐830046

随着大数据时代的来临,如何从海量数据中抽取出最有效的信息成为人们最迫切的需要。为了能够在大数据的环境下更好更快地进行汉英文本的信息抽取,文中采用Python编程语言,Django+uWSGI+Nginx框架,基于TextRank的图排序算法实现汉英文本... 详细信息

随着大数据时代的来临,如何从海量数据中抽取出最有效的信息成为人们最迫切的需要。为了能够在大数据的环境下更好更快地进行汉英文本的信息抽取,文中采用Python编程语言,Django+uWSGI+Nginx框架,基于TextRank的图排序算法实现汉英文本信息抽取系统。该系统包含文本关键词提取,文本关键短语提取以及文本摘要提取。测试结果表明,该系统能够实现大规模数据的高并发稳定调用,在兼顾抽取质量的同时,还能实现超高效率的信息抽取,具有很好的实际应用价值。

关键词：大数据高并发信息抽取 TextRank uWSGI Nginx Django

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：