检索结果-内蒙古大学图书馆

计算机工程 2023年第2期49卷 271-278页

作者：杨振宇王磊马博杨雅婷董瑞艾孜麦提·艾瓦尼尔王震中国科学院新疆理化技术研究所乌鲁木齐830011 中国科学院大学北京100049 新疆民族语音语言信息处理实验室乌鲁木齐830011

远程监督是关系抽取领域重要的语料扩充技术,可以在少量已标注语料的基础上快速生成伪标注语料。但是传统的远程监督方法主要应用于单语种文本,维吾尔语等低资源语言并不能使用这类方法得到伪标注语料。针对上述问题,提出一种针对维汉... 详细信息

远程监督是关系抽取领域重要的语料扩充技术,可以在少量已标注语料的基础上快速生成伪标注语料。但是传统的远程监督方法主要应用于单语种文本,维吾尔语等低资源语言并不能使用这类方法得到伪标注语料。针对上述问题,提出一种针对维汉的跨语言远程监督方法,在无语料的情况下利用现有的汉语语料进行维语语料的自动扩充。将远程监督视为文本语义相似度计算问题而不是简单的文本查找,从实体语义和句子语义2个层面判断维语和汉语句子对是否包含同一关系,若为同一关系则将已有的汉语标注转移到维语句子上,实现维语语料从零开始的自动扩充。此外,为有效捕获实体的上下文和隐藏语义信息,提出一种带有门控机制的交互式匹配方法,通过门控单元控制编码层、注意力层之间的信息传递。人工标记3500条维语句子和600条汉语句子用于模拟远程监督过程并验证模型的性能。实验结果表明,该方法F1值达到73.05%,并且成功构造了包含97949条维语句子的关系抽取伪标注数据集。

关键词：关系抽取语义相似度语义编码远程监督跨语言

来源：评论

学校读者我要写书评

暂无评论

多任务增强的文本生成式事件要素抽取方法

引用

计算机工程与应用 2024年

作者：史张龙周喜王震马博杨雅婷中国科学院新疆理化技术研究所中国科学院大学中国科学院新疆民族语音语言信息处理重点实验室

事件要素抽取旨在从非结构化文本中抽取结构化的事件数据，为下游任务提供结构化输入。近年来，许多研究采用预训练语言模型加提示学习的方式实现事件要素抽取，以模板槽位填空的形式完成该任务。然而，以往的研究主要采用单模板单任务... 详细信息

事件要素抽取旨在从非结构化文本中抽取结构化的事件数据，为下游任务提供结构化输入。近年来，许多研究采用预训练语言模型加提示学习的方式实现事件要素抽取，以模板槽位填空的形式完成该任务。然而，以往的研究主要采用单模板单任务的方法，但单一模板难以很好的捕捉事件要素实体间的结构依赖关系，其设计质量会影响最终的抽取结果；并且忽视了在进行多任务学习时，相似任务之间的促进作用。因此，本文设计了一种基于多任务增强的文本生成式事件要素抽取方法。具体地，本文分别构建了多模板指令增强任务模块与跨任务协同增强任务模块，以生成式模型作为共享主干网络，多种任务统一训练实现知识高效共享。本方法通过不同模板的指令增强，加强额外语义约束，提高了模型对指令的理解能力，通过跨任务的协同增强，使模型通过不同任务的互相监督，提高了模型对事件文本的理解分析能力。在ACE05数据集和RAMS数据集上的全样本实验中，本方法的Arg-C值分别达到了74.1和52.4，达到了最优水平。同时本方法具有优异的少样本性能，在少样本场景下实验，本方法仅需一半的数据量就可以达到阅读理解方法的抽取效果。

关键词：事件要素抽取信息抽取提示学习多任务学习自然语言处理

来源：评论

学校读者我要写书评

暂无评论

维吾尔语和韩语形态分析之模型构建

引用

北京邮电大学学报 2018年第1期41卷 88-94页

作者：徐春蒋同海于凯姜文斌中国科学院新疆理化技术研究所乌鲁木齐830011 中国科学院大学北京100049 新疆民族语音语言信息处理重点实验室乌鲁木齐830011 新疆财经大学计算机科学与工程学院乌鲁木齐830012 中国科学院计算技术研究所智能信息重点实验室北京100190

为维吾尔语和韩语形态分析建立了一种图状结构的判别式模型,该模型将语句的形态分析建模为形态成分的图状结构,通过灵活丰富的特征设计描述了词语内部形态成分之间以及分属相邻词语的形态成分之间的关联约束.相比传统的线性模型,图状模... 详细信息

为维吾尔语和韩语形态分析建立了一种图状结构的判别式模型,该模型将语句的形态分析建模为形态成分的图状结构,通过灵活丰富的特征设计描述了词语内部形态成分之间以及分属相邻词语的形态成分之间的关联约束.相比传统的线性模型,图状模型更好地考虑了各形态成分之间的语言学关联,从而取得更高的整句分析性能.在维吾尔语和韩语上的实验结果表明,图状模型相比线性模型的性能有一定提升,形态分析词级准确率分别提升了4.4%和2.8%.

关键词：形态分析黏着语图状模型线性模型

来源：评论

学校读者我要写书评

暂无评论

深度神经网络的压缩研究

引用

计算机应用研究 2018年第10期35卷 2894-2897,2903页

作者：韩云飞蒋同海马玉鹏徐春香张睿中国科学院新疆理化技术研究所乌鲁木齐830011 新疆民族语音语言信息处理实验室乌鲁木齐830011 中国科学院大学北京100049

深度神经网络中过多的参数使得自身成为高度计算密集型和内存密集型的模型,这使得深度神经网络的应用不能轻易地移植到嵌入或移动设备上以解决特殊环境下的实际需求。为了解决该问题,提出了基于网络删减、参数共享两者结合的神经网络压... 详细信息

深度神经网络中过多的参数使得自身成为高度计算密集型和内存密集型的模型,这使得深度神经网络的应用不能轻易地移植到嵌入或移动设备上以解决特殊环境下的实际需求。为了解决该问题,提出了基于网络删减、参数共享两者结合的神经网络压缩方案。首先通过删减掉权重小于阈值的网络连接,保留其重要的连接;然后使用K-means聚类算法将删减后每层的参数进行聚类,每簇内的各个参数共享该簇的中心值作为其权重。实验在MNIST数据集上完成手写数字识别功能的Le Net-300-100网络和修改得到的Le Net-300-240-180-100网络分别压缩了9.5×和12.1×。基于网络删减、参数共享两者结合的神经网络压缩方案为未来在特殊环境下更丰富的基于深度神经网络的智能应用提供了可行方案。

关键词：神经网络压缩网络删减参数共享

来源：评论

学校读者我要写书评

暂无评论

面向汉维机器翻译的双语关联度优化模型

引用

计算机应用研究 2020年第3期37卷 726-730页

作者：潘一荣李晓杨雅婷董瑞中国科学院新疆理化技术研究所乌鲁木齐830011 中国科学院大学北京100049 新疆民族语音语言信息处理实验室乌鲁木齐830011

针对汉语—维吾尔语的统计机器翻译系统中存在的语义无关性问题,提出基于神经网络机器翻译方法的双语关联度优化模型。该模型利用注意力机制捕获词对齐信息,引入双语短语间的语义相关性和内部词汇匹配度,预测双语短语的生成概率并将其... 详细信息

针对汉语—维吾尔语的统计机器翻译系统中存在的语义无关性问题,提出基于神经网络机器翻译方法的双语关联度优化模型。该模型利用注意力机制捕获词对齐信息,引入双语短语间的语义相关性和内部词汇匹配度,预测双语短语的生成概率并将其作为双语关联度,以优化统计翻译模型中的短语翻译得分。在第十一届全国机器翻译研讨会(CWMT 2015)汉维公开机器翻译数据集上的实验结果表明,与基线系统相比,在使用较小规模的训练数据和词汇表的条件下,所提方法可以同时有效地提高短语级别和句子级别的机器翻译任务性能,分别获得最高2.49和0.59的BLEU值提升。

关键词：维吾尔语神经网络机器翻译注意力机制词对齐生成概率

来源：评论

学校读者我要写书评

暂无评论

基于弱监督模态语义增强的多模态有害信息检测方法

引用

计算机应用 2024年

作者：刘晋文王磊马博董瑞杨雅婷艾合塔木江·艾合麦提王欣乐中国科学院新疆理化技术研究所中国科学院大学中国科学院新疆民族语音语言信息处理实验室河海大学

社交媒体上多模态有害信息的泛滥，不仅侵害公众利益，还严重扰乱社会秩序，亟需有效的检测方法。现有研究依赖预训练模型提取与融合多模态特征，忽视了通用语义在有害信息检测任务中的局限性，且未能充分考虑有害信息复杂多变的组合形... 详细信息

社交媒体上多模态有害信息的泛滥，不仅侵害公众利益，还严重扰乱社会秩序，亟需有效的检测方法。现有研究依赖预训练模型提取与融合多模态特征，忽视了通用语义在有害信息检测任务中的局限性，且未能充分考虑有害信息复杂多变的组合形式。为此，提出一种基于弱监督模态语义增强的多模态有害信息检测方法(weak-S)，所提方法通过引入弱监督模态信息辅助多模态特征的有害语义对齐，并设计一种低秩双线性池化的多模态门控集成机制，以区分不同信息的贡献度。实验结果表明，所提方法在HarmP和MuitiOFF等公开基准数据集上的F1值相较于SOTA(State-Of-The-Art)模型分别提高了2.2和3.2个百分点，验证了弱监督模态语义在多模态有害信息检测中的重要性。此外，所提方法还在多模态夸张检测任务上取得了1个百分点的泛化性能提升。

关键词：单模态弱监督对比学习门控集成多模态有害信息检测

来源：评论

学校读者我要写书评

暂无评论

使用深度学习的多通道水下目标识别

引用

声学学报 2020年第4期45卷 506-514页

作者：李琛黄兆琼徐及郭新毅宫在晓颜永红中国科学院声学研究所语言声学与内容理解重点实验室北京100190 中国科学院大学北京100049 中国科学院声学研究所水下环境特性重点实验室北京100190 中国科学院声学研究所声场声信息国家重点实验室北京100190 中国科学院新疆理化技术研究所新疆民族语音语言信息处理重点实验室新疆830011

为解决低信噪比条件下水下目标识别率低的问题,提出一种适用于多通道水听器阵列的深度学习水下目标识别方法。首先是采用子通道特征级联的方法利用多通道信息;在特征提取方面,采用对信号的不同频率区间进行加权的特征提取器,并对提取的... 详细信息

为解决低信噪比条件下水下目标识别率低的问题,提出一种适用于多通道水听器阵列的深度学习水下目标识别方法。首先是采用子通道特征级联的方法利用多通道信息;在特征提取方面,采用对信号的不同频率区间进行加权的特征提取器,并对提取的特征进行正则规整;最后采用深度神经网络(Deep Neural Network,DNN)实现目标识别。实验首先在仿真条件下对所提出方法的有效性进行验证,结果表明在-15 dB信噪比条件下的五目标识别任务中,使用多通道级联特征的深度神经网络的识别正确率达到96.7%,显著高于基于支持向量机(Support Vector Machine,SVM)的方法。在后续的湖上试验中,深度神经网络的平均正确率达到96.0%,进一步验证了所提出方法的有效性。

关键词：深度神经网络深度学习水下目标识别通道特征特征提取平均正确率水听器阵列频率区间

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的相似语言短文本的语种识别方法

引用

计算机应用与软件 2020年第2期37卷 124-129,176页

作者：张琳琳杨雅婷陈沾衡潘一荣李毓中国科学院新疆理化技术研究所新疆乌鲁木齐830011 中国科学院大学北京100049 新疆理化技术研究所新疆民族语音语言信息处理实验室新疆乌鲁木齐830011

在语种识别中,传统的N-Gram方法对文本长度依赖度高,因而无法有效地对短文本进行语种识别。现有的基于神经网络的模型无法同时考虑词本身信息和词间组合信息,从而降低了短文本语种识别的质量。针对以上问题,提出一种基于深度学习的字符... 详细信息

在语种识别中,传统的N-Gram方法对文本长度依赖度高,因而无法有效地对短文本进行语种识别。现有的基于神经网络的模型无法同时考虑词本身信息和词间组合信息,从而降低了短文本语种识别的质量。针对以上问题,提出一种基于深度学习的字符级短文本语种识别方法。采用卷积神经网络从字符向量中获取词中字符组合信息;通过长短期记忆网络获取词与词之间的特征信息;使用全连接网络实现相似语言的语种识别。在维吾尔语、哈萨克语以及DSL2017数据集上的实验结果表明,该方法可以有效地提高相似语言短文本的识别精度。

关键词：语种识别相似语言短文本神经网络文本分类

来源：评论

学校读者我要写书评

暂无评论

面向心音分割的个性化高斯混合建模方法

引用

声学学报 2019年第1期44卷 20-27页

作者：侯雷静郭婷婷孙燕齐英杰应冬文唐闽颜永红中国科学院声学研究所语言声学与内容理解重点实验室北京100190 中国科学院大学北京100049 中国医学科学院阜外医院心内科北京100037 青海民族大学计算机学院西宁810016 中国科学院新疆理化技术研究所新疆民族语音语言信息处理实验室乌鲁木齐830011

准确的心音分割是分析和处理心音信号的基本前提。主流的心音分割算法采用监督式预先训练的方法构建统计模型,它不仅依赖于繁琐的手工标注,还存在模型与被分割数据之间的不匹配问题。提出了一种面向心音分割的个性化高斯混合建模方法,... 详细信息

准确的心音分割是分析和处理心音信号的基本前提。主流的心音分割算法采用监督式预先训练的方法构建统计模型,它不仅依赖于繁琐的手工标注,还存在模型与被分割数据之间的不匹配问题。提出了一种面向心音分割的个性化高斯混合建模方法,避免了手工标注和预先训练,而且在线训练获得的个性化模型能够高度匹配被分割的心音数据。由于心音信号的周期在一段短时间内很稳定,因此假设在包含若干心动周期的分析窗内,心音信号具有稳定的周期性,通过主成分分析提取本征心动周期信号,通过无监督学习构建个性化的统计模型,根据模型实现窗内每一心动周期的分割。实验表明,算法的平均分割准确率比主流的LRHSMM算法高3%。

关键词：个性化模型分割算法心音信号建模方法高斯混合无监督学习统计模型在线训练

来源：评论

学校读者我要写书评

暂无评论

基于残差注意力的新槽值抽取研究

引用

计算机应用与软件 2024年第6期41卷 208-214页

作者：鄢明辉周喜王轶中国科学院新疆理化技术研究所新疆乌鲁木齐830011 中国科学院大学北京100049 新疆理化技术研究所新疆民族语音语言信息处理实验室新疆乌鲁木齐830011

针对任务型对话中用户输入存在新槽值难以提取的问题,提出一种基于双向长短时记忆神经网络的特征融合模型。通过负样本添加技术缓解新槽值识别问题;引入注意力机制来提取用户输入中词与词之间的权重特征;在多层堆叠长短时记忆神经网络... 详细信息

针对任务型对话中用户输入存在新槽值难以提取的问题,提出一种基于双向长短时记忆神经网络的特征融合模型。通过负样本添加技术缓解新槽值识别问题;引入注意力机制来提取用户输入中词与词之间的权重特征;在多层堆叠长短时记忆神经网络之间用残差连接以缓解特征提取过程中的信息丢失,将得到的融合特征输入到条件随机场筛选出合理的标注序列。在DSTC3数据集上进行相关测试,实验结果表明,该模型在新槽值、已知槽值和总数据集上的识别准确率分别为70.73%、91.56%和87.11%,性能相比baseline方法有显著提高。

关键词：槽值抽取新槽值自然语言处理残差网络注意力机制

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：