检索结果-内蒙古大学图书馆

数据分析与知识发现 2023年第3期7卷 131-141页

作者：韩普仲雨乐陆豪杰马诗雯南京邮电大学管理学院南京210003 江苏省数据工程与知识服务重点实验室南京210023

【目的】为解决在线健康社区中实体表述不规范和边界不显著的问题,提出一种基于对抗性迁移学习的药品不良反应实体识别模型ATL-BCA。【方法】通过Word2Vec生成融合在线医疗健康领域外部语义特征向量;基于迁移学习思想采用共享和私有BiL... 详细信息

【目的】为解决在线健康社区中实体表述不规范和边界不显著的问题,提出一种基于对抗性迁移学习的药品不良反应实体识别模型ATL-BCA。【方法】通过Word2Vec生成融合在线医疗健康领域外部语义特征向量;基于迁移学习思想采用共享和私有BiLSTM分别抽取实体识别和分词任务的共享边界信息及私有信息;利用多头注意力机制捕捉句子整体依赖性,并使用对抗训练过滤分词任务的私有信息以消除冗余特征对实体识别任务的影响;最后,借助条件随机场约束预测标签序列结果。【结果】在自构建药品不良反应数据集上进行实验,引入对抗性迁移学习的ATL-BCA模型实体识别F1值达到91.35%,较主流模型Word2VecBiLSTM-CRF和BERT-BiLSTM-CRF分别提升5.28和2.98个百分点。【局限】仅选用“三九健康药物网”作为实验数据源,且数据集规模较小。【结论】ATL-BCA模型不仅可以充分利用实体识别和分词任务共享边界信息,而且能够过滤分词任务私有特征,从而有效提升在线健康社区中药品不良反应实体识别效果。

关键词：对抗性迁移学习多头注意力机制命名实体识别药品不良反应

来源：评论

学校读者我要写书评

暂无评论

基于特征融合和多通道的突发公共卫生事件微博情感分析

引用

数据分析与知识发现 2021年第11期5卷 68-79页

作者：韩普张伟张展鹏王宇欣方浩宇南京邮电大学管理学院南京210003 江苏省数据工程与知识服务重点实验室南京210023

【目的】为进一步挖掘突发公共卫生事件微博文本深层语义信息,提出一种基于特征融合和注意力机制的多通道微博情感分析模型。【方法】首先,在特征向量嵌入层利用Word2Vec和FastText生成词向量,并与词性特征向量和位置特征向量进行融合;... 详细信息

【目的】为进一步挖掘突发公共卫生事件微博文本深层语义信息,提出一种基于特征融合和注意力机制的多通道微博情感分析模型。【方法】首先,在特征向量嵌入层利用Word2Vec和FastText生成词向量,并与词性特征向量和位置特征向量进行融合;其次,基于CNN和BiLSTM构建多通道层以提取微博文本局部和全局特征;接着,通过构建注意力机制层以提取微博文本重要语义特征;最后,在融合层合并多通道输出结果,并在输出层采用Softmax函数进行情感分类。【结果】在42384条突发公共卫生事件新冠疫情微博数据上进行对照实验,结果表明所提情感分析模型F1值达到90.21%,较基准模型CNN和BiLSTM分别提升9.71个百分点和9.14个百分点。【局限】所构建的数据集规模较小,并且尚未考虑图片和语音等多模态信息。【结论】所提模型在深度学习和多通道基础上,通过引入注意力机制并融合CNN和BiLSTM捕获的微博文本局部和全局语义特征达到了最优效果,进一步推动了微博情感分析研究进展。

关键词：多通道特征融合深度学习情感分析突发公共卫生事件

来源：评论

学校读者我要写书评

暂无评论

数字人文视域下中国行政区划地名演化知识库构建及分析研究

引用

数据分析与知识发现 2022年第11期6卷 139-153页

作者：李晓敏王昊李跃艳赵萌南京大学信息管理学院南京210023 江苏省数据工程与知识服务重点实验室南京210093

【目的】利用关联数据技术对地名沿革的演变过程进行研究,更好地发挥地名的文化传承作用。【方法】构建中国地名演化知识库CGNE_Onto,制定演变类型强弱标志词识别历史沿革数据中的演变类型句,再利用BERT-BiLSTM-CRF深度学习模型识别演... 详细信息

【目的】利用关联数据技术对地名沿革的演变过程进行研究,更好地发挥地名的文化传承作用。【方法】构建中国地名演化知识库CGNE_Onto,制定演变类型强弱标志词识别历史沿革数据中的演变类型句,再利用BERT-BiLSTM-CRF深度学习模型识别演变类型句中的时间和地名实体,将识别出的时间和地名实体作为本体中的类构建本体知识库,同时从直接路径关系和间接路径关系角度对构建好的行政区划地名演化本体知识库进行可视化展示。并对各朝代不同演变类型的数量以及形成原因进行统计分析。【结果】实验结果表明,所提模型能够多角度、直观地展示地名演变情况,为地名数据的分析挖掘提供了一种新的思路。【局限】数据集规模较小,造成演变特征词也有一定的局限。【结论】构建的地名演化知识库能够直观、清晰地展现地名从古至今的演变情况,以及各朝代演变类型的情况。

关键词：数字人文本体知识库地名演变模式匹配实体识别

来源：评论

学校读者我要写书评

暂无评论

基于多任务和迁移学习的中文医学文献实体识别研究

引用

数据分析与知识发现 2023年第9期7卷 136-145页

作者：韩普顾亮叶东宇陈文祺南京邮电大学管理学院南京210003 江苏省数据工程与知识服务重点实验室南京210023

【目的】利用迁移学习和多任务学习解决中文医学文献实体识别冷启动和边界定位难的问题,进一步提高识别准确性。【方法】提出一种基于迁移学习和多任务学习的中文医学文献实体识别方法,构建混合深度学习BERT-BiLSTM-IDCNN-CRF的医学文... 详细信息

【目的】利用迁移学习和多任务学习解决中文医学文献实体识别冷启动和边界定位难的问题,进一步提高识别准确性。【方法】提出一种基于迁移学习和多任务学习的中文医学文献实体识别方法,构建混合深度学习BERT-BiLSTM-IDCNN-CRF的医学文献实体识别模型,通过实例迁移、模型迁移和特征迁移丰富医学语义特征,利用多任务学习构建粗粒度三分类任务以辅助实体识别任务有效利用实体边界信息,最后引入自注意力机制和Highway网络捕获全局重要信息并优化深层网络训练,提出TLMT-BBIC-HS模型。【结果】TLMT-BBIC-HS模型在中文糖尿病医学文献数据集上F1值达92.98%,较基准模型BERT-BiLSTM-CRF和BERT-IDCNN-CRF分别提高15.99个百分点和16.44个百分点。【局限】未验证模型的领域适应性。【结论】TLMT-BBIC-HS模型可实现医学知识的迁移共享,更适用于中文医学文献实体识别任务,可为医疗健康信息抽取、知识图谱和问答系统构建提供有效支持。

关键词：医学文献实体识别多任务学习迁移学习注意力机制 Highway网络

来源：评论

学校读者我要写书评

暂无评论

重塑未来：颠覆性技术主题研究进展及未来展望

引用

科技情报研究 2025年第2期 1-12页

作者：邓三鸿郭剑明施宇杰南京大学信息管理学院江苏省数据工程与知识服务重点实验室

[目的/意义]颠覆性技术被视为“改变游戏规则”和“重塑未来格局”的革命性力量，逐渐成为跨学科领域的热点与难点研究。综述颠覆性技术相关文献，厘清其概念和特征、细分研究主题与方向，总结研究重点并展望未来发展趋势，具有重要的... 详细信息

[目的/意义]颠覆性技术被视为“改变游戏规则”和“重塑未来格局”的革命性力量，逐渐成为跨学科领域的热点与难点研究。综述颠覆性技术相关文献，厘清其概念和特征、细分研究主题与方向，总结研究重点并展望未来发展趋势，具有重要的理论意义和实践价值。[方法/过程]文章在梳理最新相关研究的基础上，从颠覆性技术的概念及特征、常用识别方法、演化与预测分析3个方面，厘清颠覆性技术相关研究进展，整体把握该领域的研究现状与发展趋势。[结果/结论]文章较为全面地归纳总结了当前颠覆性技术研究现状，分析了存在的问题与不足。

关键词：颠覆性技术颠覆性创新技术识别技术演化技术预测

来源：评论

学校读者我要写书评

暂无评论

融合关联信息的GCN文本分类模型构建及其应用研究

引用

数据分析与知识发现 2021年第9期5卷 31-41页

作者：周泽聿王昊赵梓博李跃艳张小琴南京大学信息管理学院南京210023 江苏省数据工程与知识服务重点实验室南京210023 金陵图书馆南京210023

【目的】有效学习文本上下文语境和词语间的关联性,提升文本自动分类的性能。【方法】提出一种融合关联信息的BERT-BiLSTM-SGCN(Similarity-GCN)长文本分类模型。首先,利用BERT得到待分类长文本的词向量初始特征,将其输入BiLSTM模型中... 详细信息

【目的】有效学习文本上下文语境和词语间的关联性,提升文本自动分类的性能。【方法】提出一种融合关联信息的BERT-BiLSTM-SGCN(Similarity-GCN)长文本分类模型。首先,利用BERT得到待分类长文本的词向量初始特征,将其输入BiLSTM模型中捕获语义关系,并将其输出作为图卷积网络的节点表示,其中每个节点代表每个词特征;然后,使用词之间的相似值作为图卷积网络中的节点之间的边表示,并将结合得到的节点表示以构造图结构作为SGCN层表示;最后,将利用SGCN层得到的长文本表示输出至全连接层中得到最终的分类结果。【结果】实验结果表明,针对知网中文文献主题多分类问题,模型分类准确率达到了0.83409,均优于基准模型。【局限】将文本数据处理成单标签进行多分类,未考虑到多标签的分类问题。【结论】所提模型能够有效地对长文本数据进行建模,将BERT、BiLSTM和SGCN模型相结合,可以大大提高模型的分类性能。

关键词：图卷积网络深度学习 BERT 文本分类

来源：评论

学校读者我要写书评

暂无评论

基于Xception-TD的中华传统刺绣分类模型构建

引用

数据分析与知识发现 2022年第2期6卷 338-347页

作者：周泽聿王昊张小琴范涛任秋彤南京大学信息管理学院南京210023 江苏省数据工程与知识服务重点实验室南京210023 金陵图书馆南京210023

【目的】将人工智能方法引入数字人文领域中,探讨如何解决中华传统刺绣图像分类背景下刺绣数据集较小、图像特征表示不足以及识别准确率不高等问题,为非物质文化遗产数字保护智能化提供方法支撑。【方法】将深度学习技术运用到刺绣图像... 详细信息

【目的】将人工智能方法引入数字人文领域中,探讨如何解决中华传统刺绣图像分类背景下刺绣数据集较小、图像特征表示不足以及识别准确率不高等问题,为非物质文化遗产数字保护智能化提供方法支撑。【方法】将深度学习技术运用到刺绣图像上,利用图像处理技术提取其相应的特征,采用迁移学习的方法,对Xception模型进行微调改进,进而提出一种基于Xception-TD的中华传统刺绣分类模型,并探讨全连接层的数量与维度以及dropout取值对模型性能的影响。【结果】实验结果表明,针对中华传统刺绣分类的问题,通过微调的方法,发现提高全连接层数量以及增大全连接层维度可以得到更好的刺绣图像特征表示并产生更好的效果。基于Xception-TD中华传统刺绣模型准确率达到0.968 63,均优于基准模型。在进一步刺绣多分类的问题上,准确率也均优于基准模型。【局限】本文数据集仅来源于百度图片与少量人工标记,数据来源不够丰富。【结论】基于迁移学习,并结合微调能够有效提升刺绣分类的准确率。

关键词：数字人文计算机视觉迁移学习 Xception

来源：评论

学校读者我要写书评

暂无评论

面向知识图谱生成的非遗丝织领域实体关系抽取研究

引用

数据分析与知识发现 2024年第8期8卷 179-190页

作者：王昊李晓敏布文茹赵梓博邓三鸿南京大学信息管理学院南京210023 数据工程与知识服务江苏省高校重点实验室(南京大学) 南京210023

【目的】针对当前非遗领域实体关系抽取与图谱构建研究面临的标注数据缺乏问题,提出一种轻标注关系抽取方案。【方法】以丝织领域文本为数据源,构建SREP模型,结合领域术语词典和LTP工具进行实体识别。随后利用BERT模型将实体及其上下文... 详细信息

【目的】针对当前非遗领域实体关系抽取与图谱构建研究面临的标注数据缺乏问题,提出一种轻标注关系抽取方案。【方法】以丝织领域文本为数据源,构建SREP模型,结合领域术语词典和LTP工具进行实体识别。随后利用BERT模型将实体及其上下文进行向量化表示,并采用多种聚类算法对不同特征组合进行关系抽取实验,以确定最优算法和特征组合。再以Bootstrapping主动学习方式进行关系实例拓展,最终将抽取的关系三元组导入Gephi构建领域知识图谱。【结果】实验结果表明,结合实体中间文本特征与实体类型特征组合的K-means算法在关系抽取实验中取得最优效果,并抽取出5类关系。在关系实例拓展阶段,LR算法较适用于主动学习方法,准确率达到0.860,相较于基线模型提高0.105。【局限】模型效果需要在更大规模数据集、不同文化领域的关系抽取中进一步验证。【结论】本文所提模型能够在降低标注数据依赖的基础上有效提取非遗文本中的实体关系,实现非遗结构化文本的语义挖掘和利用。

关键词：非遗丝织关系抽取知识图谱无监督主动学习

来源：评论

学校读者我要写书评

暂无评论

CCI-ClipCap:一种基于Prompt范式的中国陶瓷图像描述模型

引用

数据分析与知识发现 2024年第10期8卷 146-158页

作者：石斌王昊刘懋霖邓三鸿南京大学信息管理学院南京210023 数据工程与知识服务江苏省高校重点实验室(南京大学) 南京210023

【目的】构建中国陶瓷图像描述模型CCI-ClipCap,为陶瓷文化研究和数字化保护提供技术支撑。【方法】在ClipCap的基础上,引入Prompt范式改善模型对跨模态数据的理解,实现对陶瓷图像的自动描述,提出一种针对具有一定表述结构的文本相似度... 详细信息

【目的】构建中国陶瓷图像描述模型CCI-ClipCap,为陶瓷文化研究和数字化保护提供技术支撑。【方法】在ClipCap的基础上,引入Prompt范式改善模型对跨模态数据的理解,实现对陶瓷图像的自动描述,提出一种针对具有一定表述结构的文本相似度评估方法。【结果】CCI-ClipCap模型利用Prompt范式改进了多模态融合过程,能够很好地提取陶瓷图像的信息,并生成与实际相符的描述文本,Bleu、Rouge值等相较于基线模型分别提升了约0.04、0.14。【局限】所使用的数据来源于大英博物馆的馆藏数据,而非中文原生数据集,数据来源较为单一。【结论】CCI-ClipCap模型生成的文本表达层次丰富,能够理解陶瓷领域知识,具有较强的专业性。

关键词：数字人文图像描述多模态学习 ClipCap Prompt

来源：评论

学校读者我要写书评

暂无评论

中文术语粒度对其区分能力测度的影响分析

引用

数据分析与知识发现 2020年第2期4卷 143-152页

作者：熊欣王昊张海潮张宝隆南京大学信息管理学院南京210023 江苏省数据工程与知识服务重点实验室南京210023

【目的】比较中文术语粒度对不同字段的术语区分能力(Term Discriminative Capacity,TDC)测度的影响。【方法】将术语区分能力测度应用于题名、关键词、摘要和附加关键词的术语质量评估,在对照组和实验组中使用方差分析对不同学科、字... 详细信息

【目的】比较中文术语粒度对不同字段的术语区分能力(Term Discriminative Capacity,TDC)测度的影响。【方法】将术语区分能力测度应用于题名、关键词、摘要和附加关键词的术语质量评估,在对照组和实验组中使用方差分析对不同学科、字段及术语粒度的TDC进行差异检测。【结果】当关键词和附加关键词未经处理时,在TDC上的表现为:题名>摘要>附加关键词>关键词;当术语粒度为词时,附加关键词的表现提升,题名>附加关键词>摘要>关键词。【局限】实验数据仅包含5个人文社会科学学科,样本代表性可能存在不足。【结论】中文术语粒度和字段在术语区分能力测度上相互作用,各字段的术语粒度统一为词可降低字段因素的影响。

关键词：术语区分能力术语粒度学术资源检索系统自动标引

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：