检索结果-内蒙古大学图书馆

计算机应用 2017年第4期37卷 1051-1055页

作者：郭勃冯旭鹏刘利军黄青松昆明理工大学信息工程与自动化学院昆明650500 昆明理工大学教育技术与网络中心昆明650500 云南省计算机技术应用重点实验室(昆明理工大学) 昆明650500

针对在中文资源的关系抽取中,由于中文长句句式复杂,句法特征提取难度大、准确度低等问题,提出了一种基于平行语料库的双语协同中文关系抽取方法。首先在中英双语平行语料库中的英文语料上利用英文成熟的句法分析工具,将得到依存句法特... 详细信息

针对在中文资源的关系抽取中,由于中文长句句式复杂,句法特征提取难度大、准确度低等问题,提出了一种基于平行语料库的双语协同中文关系抽取方法。首先在中英双语平行语料库中的英文语料上利用英文成熟的句法分析工具,将得到依存句法特征用于英文关系抽取分类器的训练,然后与利用适合中文的n-gram特征在中文语料上训练的中文关系抽取分类器构成双语视图,最后再依靠标注映射后的平行语料库,将彼此高可靠性的语料加入对方训练语料进行双语协同训练,最终得到一个性能更好的中文关系抽取分类模型。通过对中文测试语料进行实验,结果表明该方法提高了基于弱监督方法的中文关系抽取性能,其F值提高了3.9个百分点。

关键词：弱监督学习关系抽取 n-gram 平行语料库双语协同训练

来源：评论

学校读者我要写书评

暂无评论

聊天机器人中用户就医意图识别方法

引用

计算机应用 2018年第8期38卷 2170-2174页

作者：余慧冯旭鹏刘利军黄青松昆明理工大学信息工程与自动化学院昆明650500 昆明理工大学教育技术与网络中心昆明650500 云南省计算机技术应用重点实验室(昆明理工大学) 昆明650500

传统的聊天机器人中用户意图识别一般采用基于模板匹配或人工特征集合等方法,针对其费时费力而且扩展性不强的问题,并结合医疗领域聊天文本的特点,提出了基于短文本主题模型(BTM)和双向门控循环单元(Bi GRU)的意图识别模型。该混合模型... 详细信息

传统的聊天机器人中用户意图识别一般采用基于模板匹配或人工特征集合等方法,针对其费时费力而且扩展性不强的问题,并结合医疗领域聊天文本的特点,提出了基于短文本主题模型(BTM)和双向门控循环单元(Bi GRU)的意图识别模型。该混合模型将用户就医意图识别看作分类问题,使用主题特征,首先通过BTM对用户聊天文本逐句进行主题挖掘并量化,然后送入Bi GRU进行完整上下文学习得到连续语句最终表示,最后通过分类完成用户就医意图识别。对爬取的语料进行实验,BTM-Bi GRU方法明显优于传统的支持向量机(SVM)等方法,其F值更是高出目前较好的卷积长短期记忆组合神经网络(CNN-LSTM)近1.5个百分点。实验结果表明,在本任务上该混合模型重点考虑研究对象的特点,能有效提高意图识别的准确率。

关键词：就医意图识别医疗聊天文本短文本主题模型双向门控循环单元模板匹配

来源：评论

学校读者我要写书评

暂无评论

基于实时词共现网络的微博话题发现

引用

计算机应用 2016年第5期36卷 1302-1306页

作者：李亚星王兆凯冯旭鹏刘利军黄青松昆明理工大学信息工程与自动化学院昆明650500 昆明理工大学教育技术与网络中心昆明650500 云南省计算机技术应用重点实验室(昆明理工大学) 昆明650500

针对微博的实时性、稀疏性和海量性特点,提出基于实时词共现网络的话题发现模型。首先,从原始语料中筛选出主题词集合,再利用时间参数计算共现主题词的关系权重以实现词共现网络的构建,通过该网络推算出与话题关联性强的潜在特征词以解... 详细信息

针对微博的实时性、稀疏性和海量性特点,提出基于实时词共现网络的话题发现模型。首先,从原始语料中筛选出主题词集合,再利用时间参数计算共现主题词的关系权重以实现词共现网络的构建,通过该网络推算出与话题关联性强的潜在特征词以解决微博特征词的稀疏性;其次,采用改进Single-Pass算法实现话题增量聚类;最后,对每个话题的主题词按热度计算进行排序,获得最具代表性的话题主题词。实验结果表明,该模型与经典Single-Pass聚类算法相比,话题发现准确率约提高6%,综合指标提高8%。实验结果证明所提模型的有效性和准确性。

关键词：话题发现实时共现网络短文本 Single-Pass聚类热度计算

来源：评论

学校读者我要写书评

暂无评论

针对肿瘤生长预测的边缘注入自适应时空网络

引用

重庆邮电大学学报（自然科学版） 2024年第6期36卷 1194-1204页

作者：张晶李思阳王河喜昆明理工大学信息工程与自动化学院昆明650500 云南省人工智能重点实验室昆明650500 云南省计算机技术应用重点实验室昆明650500 太原理工大学计算机科学与技术学院太原030000

为了更有效地表征肿瘤的生长趋势,提出了基于边缘注入的自适应时空网络(adaptive spatiotemporal networks based on edge injection,EA-Net)。引入紧密型空间增强模块学习多形态肿瘤的静态抽象信息,并重点提取关键生长特征;明确监督目... 详细信息

为了更有效地表征肿瘤的生长趋势,提出了基于边缘注入的自适应时空网络(adaptive spatiotemporal networks based on edge injection,EA-Net)。引入紧密型空间增强模块学习多形态肿瘤的静态抽象信息,并重点提取关键生长特征;明确监督目标肿瘤的边缘信息,设计多密度边缘注入模块来增强特征图像内目标的边缘权重;建立广泛的时空信息关联,实现对肿瘤未来成像的自适应建模;引入个体特异性因子,促使网络学习不同人群肿瘤的生长趋势。实验表明,提出的方法能更高效地预测肿瘤未来的生长状态,其Dice score、Recall、RMSE分别可达89.36%、90.83%、10.42%,能在一定程度上揭示肺癌疾病的发展方向。

关键词：肿瘤生长率边缘注入生长趋势自适应预测

来源：评论

学校读者我要写书评

暂无评论

基于主题模型的胸部X光片诊断报告异常检测方法

引用

计算机工程与科学 2020年第4期42卷 741-748页

作者：尤诚诚冯旭鹏刘利军黄青松昆明理工大学信息工程与自动化学院云南昆明650500 昆明理工大学信息化建设管理中心云南昆明650500 云南省计算机技术应用重点实验室云南昆明650500

胸部X光片是患者胸部检查的优先选择,对患者的诊断治疗起着重要的作用。医生依据自身的经验和习惯书写胸部X光片诊断报告,由于一些主观或者客观的原因,会开具一些影像描述与诊断结论不相符的异常诊断报告,因此对诊断报告进行异常检测有... 详细信息

胸部X光片是患者胸部检查的优先选择,对患者的诊断治疗起着重要的作用。医生依据自身的经验和习惯书写胸部X光片诊断报告,由于一些主观或者客观的原因,会开具一些影像描述与诊断结论不相符的异常诊断报告,因此对诊断报告进行异常检测有着重要的研究意义。胸片诊断报告未登录词多、数据高维稀疏,缺乏大量有效标注,传统方法检测异常胸片诊断报告效果不佳,为此,提出了一种基于主题模型的胸部X光片诊断报告异常检测方法。首先用双向LSTM-CRF模型结合诊断报告中的字符级特征,获取特定的医疗术语特征,解决诊断报告中未登录词多,描述自由的问题。然后依据领域知识和模板将诊断报告进行有效的特征扩展,缓解数据稀疏问题。最后用LDA模型判断诊断报告中影像描述与诊断结论特征是否匹配,检测出异常胸片诊断报告。实验结果表明,在阈值为2的情况下,异常检测的准确率为92.82%,召回率为69.54%,检测性能优于传统方法的。

关键词：诊断报告长短期记忆神经网络主题模型异常检测

来源：评论

学校读者我要写书评

暂无评论

基于SOM聚类的微博话题发现

引用

计算机应用研究 2018年第3期35卷 671-674,679页

作者：宋莉娜冯旭鹏刘利军黄青松昆明理工大学信息工程与自动化学院昆明650500 昆明理工大学教育技术与网络中心昆明650500 昆明理工大学云南省计算机技术应用重点实验室昆明650500

随着微博用户的增多,微博平台的信息更新频繁。针对微博文本的数据稀疏性、新词多、用语不规范等特点,提出了基于SOM聚类的微博话题发现方法。从原始语料中对文本进行预处理,通过词向量模型对短文本进行特征提取,降低了向量维度过高带... 详细信息

随着微博用户的增多,微博平台的信息更新频繁。针对微博文本的数据稀疏性、新词多、用语不规范等特点,提出了基于SOM聚类的微博话题发现方法。从原始语料中对文本进行预处理,通过词向量模型对短文本进行特征提取,降低了向量维度过高带来的计算量繁重问题。采用改进的SOM对话题进行聚类,该算法改善了传统文本聚类的不足,进而能有效地发现话题。实验表明该算法较传统文本聚类算法的综合指标F值有明显提高。

关键词：话题发现词向量模型文本相似度短文本 SOM聚类

来源：评论

学校读者我要写书评

暂无评论

基于情感角色模型的文本情感分类方法

引用

计算机应用 2015年第5期35卷 1310-1313,1319页

作者：胡杨戴丹刘骊冯旭鹏刘利军黄青松昆明理工大学信息工程与自动化学院昆明650500 昆明理工大学教育技术与网络中心昆明650500 云南省计算机技术应用重点实验室昆明650500

针对传统情感分类方法因情感项指向不明引发的误判和隐藏观点遗漏等问题,提出一种基于评价对象情感角色模型的文本情感分类方法。该方法首先识别文本中的潜在评价对象,通过局部语义分析对潜在评价对象所在语句进行情感标注,确定潜在评... 详细信息

针对传统情感分类方法因情感项指向不明引发的误判和隐藏观点遗漏等问题,提出一种基于评价对象情感角色模型的文本情感分类方法。该方法首先识别文本中的潜在评价对象,通过局部语义分析对潜在评价对象所在语句进行情感标注,确定潜在评价对象所在语句的正负极性,并定义其情感角色;然后,改进特征权值计算方法,将情感角色对应的倾向值融入模型特征空间中;最后,通过特征聚合对特征空间实现模型降维。实验结果表明,所提方法与提取强主观性情感项作为特征的情感分类方法相比,分类准确率约提高3.2%,可有效改善文本情感分类效果。

关键词：文本情感分类向量空间模型局部语义分析情感角色特征聚合

来源：评论

学校读者我要写书评

暂无评论

基于改进的宽深度模型的推荐方法研究

引用

计算机应用与软件 2018年第11期35卷 49-54页

作者：王艺平冯旭鹏刘利军黄青松昆明理工大学信息工程与自动化学院云南昆明650500 昆明理工大学教育技术与网络中心云南昆明650500 云南省计算机技术应用重点实验室云南昆明650500

现代社交网络的个性化博文推荐中,博文特征选取质量的高低直接影响了推荐的质量和效率。深度模型可以较高质量地提取出文本中句法和语义的特征。然而短文本特征稀疏且未考虑上下文语境的问题,普遍存在于文本推荐任务中。针对以上问题,... 详细信息

现代社交网络的个性化博文推荐中,博文特征选取质量的高低直接影响了推荐的质量和效率。深度模型可以较高质量地提取出文本中句法和语义的特征。然而短文本特征稀疏且未考虑上下文语境的问题,普遍存在于文本推荐任务中。针对以上问题,在现有宽深度模型的基础上,利用门限循环单元对其多层普通神经网络进行改进,提出宽深度门循环联合(Wide&Deep-GRU)模型,进一步探索浅层部分和深度部分的联合训练。使用从新浪微博获取的真实数据集分别与单一逻辑回归模型、单一深度神经网络模型和宽深度模型进行对比。实验表明,该方法整体上推荐质量较高,同时推荐效率较之前模型也有显著提高。

关键词：文本推荐排序模型深度学习门循环神经单元

来源：评论

学校读者我要写书评

暂无评论

基于加权层级注意力机制的疾病预测模型

引用

中文信息学报 2023年第1期37卷 97-103页

作者：单文琦王波黄青松刘利军黄冕昆明理工大学信息工程与自动化学院云南昆明650500 云南国土资源职业学院信息中心云南昆明652501 云南大学信息学院云南昆明650091 昆明理工大学云南省计算机技术应用重点实验室云南昆明650500

近年来,针对电子病历文本的研究受到越来越多的关注,而相关疾病预测模型很少注意到病历文本中记录独立分布的半结构化形式以及语义关系复杂的特点,故该文提出了一种基于加权层级注意力机制的辅助诊断方法,设计加权累加法将普通句向量转... 详细信息

近年来,针对电子病历文本的研究受到越来越多的关注,而相关疾病预测模型很少注意到病历文本中记录独立分布的半结构化形式以及语义关系复杂的特点,故该文提出了一种基于加权层级注意力机制的辅助诊断方法,设计加权累加法将普通句向量转换为结构弱关联句向量,并构成词、句、文档层级结构注意力机制来提高模型结构学习能力,此外,设计监督层用于缓解语义关系复杂造成的学习偏置问题,以辅助模型的训练效果。在真实数据集中进行验证表明,该文模型优于当前主流的深度学习模型,取得了较好效果。

关键词：累加法注意力机制层级结构辅助诊断

来源：评论

学校读者我要写书评

暂无评论

基于卷积神经网络的跨领域语义信息检索研究

引用

计算机应用与软件 2018年第8期35卷 73-78页

作者：谢先章王兆凯李亚星冯旭鹏刘利军黄青松昆明理工大学信息工程与自动化学院云南昆明650500 昆明理工大学教育技术与网络中心云南昆明650500 云南省计算机技术应用重点实验室云南昆明650500

随着社会信息化的发展,信息检索成为了影响人们日常生活和生产工作的重要技术,同时人们对信息检索技术的要求也越来越高[1]。为了改进传统检索方式,基于卷积神经网络CNNs(Convolutional Neural Networks)提出一种语义信息检索模型,对句... 详细信息

随着社会信息化的发展,信息检索成为了影响人们日常生活和生产工作的重要技术,同时人们对信息检索技术的要求也越来越高[1]。为了改进传统检索方式,基于卷积神经网络CNNs(Convolutional Neural Networks)提出一种语义信息检索模型,对句子卷积特征和词聚特征进行映射训练,达到搜索近似语句的目的。实验表明基于卷积神经网络的近似语义检索模型相比传统检索模型有助于提高信息检索的质量。

关键词：卷积神经网络信息检索词向量 SVM 快速聚类

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：