检索结果-内蒙古大学图书馆

计算机学报 2025年第2期48卷 381-406页

作者：胡蓉万常选万齐智刘德喜刘喜平江西财经大学计算机与人工智能学院南昌330032 江西财经大学数据与知识工程江西省高校重点实验室南昌330013

篇章级事件抽取是自然语言处理的重要任务且富有挑战,当前涌现了很多优秀的研究成果。尽管国内外存在少量篇章级事件抽取综述,但存在一些局限:(1)按文献采用的具体技术或任务实现步骤对现有研究成果进行分类,未深入分析现有研究成果间... 详细信息

篇章级事件抽取是自然语言处理的重要任务且富有挑战,当前涌现了很多优秀的研究成果。尽管国内外存在少量篇章级事件抽取综述,但存在一些局限:(1)按文献采用的具体技术或任务实现步骤对现有研究成果进行分类,未深入分析现有研究成果间的关联与区别,未深刻理解现有研究成果分别致力于解决哪些问题;(2)简单介绍现有数据集,未能正确认识每个数据集的特点及带来的任务挑战。由于每个数据集侧重点不同,研究者们致力于解决不同的问题,因此现有梳理方式未能清晰地展示不同数据集下不同研究问题的研究进展。为此,本文重新梳理篇章级事件抽取的2个(子)任务的研究成果。首先,针对2个任务,分别明确任务目标,分析解决任务的基本思路,总结现有研究进展(基于哪些数据集解决了哪些问题)。然后,总结对应数据集的特点,归纳任务面临的挑战,再深入分析具体研究方法,并图示化展示推进情况。最后,结合有待继续攻破的问题,讨论篇章级事件抽取未来发展趋势。

关键词：篇章级事件抽取信息抽取事件抽取数据集事件论元抽取深度学习

来源：评论

学校读者我要写书评

暂无评论

融合词先验知识的MOOCs课程概念抽取

引用

中文信息学报 2025年第1期39卷 101-111,120页

作者：聂凡刘德喜张子靖刘喜平廖国琼万常选江西财经大学计算机与人工智能学院江西南昌330013 江西财经大学数据与知识工程江西省高校重点实验室江西南昌330013

针对中文大规模开放在线课程(Massive Open Online Courses,MOOCs)视频字幕中课程概念词性丰富、领域特性显著等特点,该文提出一种融合词性、词性规则和词典等词先验知识(Word Prior Knowledge,WPK)的课程概念抽取模型WPK-MCC。该模型... 详细信息

针对中文大规模开放在线课程(Massive Open Online Courses,MOOCs)视频字幕中课程概念词性丰富、领域特性显著等特点,该文提出一种融合词性、词性规则和词典等词先验知识(Word Prior Knowledge,WPK)的课程概念抽取模型WPK-MCC。该模型首先通过BERT以及字符嵌入的方式获得包含上下文和词性信息的字符表示,再利用词典匹配当前字符所在窗口的字符串,构建当前字符的4个词汇集群(当前字符在词的开头、中间、结尾,以及当前字符单独成词),并通过词性规则控制每个词的贡献权重。此外,考虑到课程概念在MOOCs中有一定的重复性,WPK-MCC模型利用当前句子所在视频字幕的上下文信息,提升课程概念抽取的效果。在MoocData数据集上的实验结果表明,WPK-MCC模型对课程概念实体抽取的F_(1)值达到89.42%,优于SoftLexicon等先进的模型。消融实验显示,词性、规则和词典等词先验知识以及上下文全局信息对WPK-MCC模型的帮助较大,去除词先验知识和上下文全局信息后,WPK-MCC的F_(1)值下降了1.13%。

关键词：课程概念抽取词先验知识词汇集群全局信息

来源：评论

学校读者我要写书评

暂无评论

基于知识迁移的情感—原因对抽取

引用

中文信息学报 2025年第1期39卷 121-132页

作者：赵凤园刘德喜万齐智刘喜平廖国琼万常选江西财经大学计算机与人工智能学院江西南昌330013 江西财经大学数据与知识工程江西省高校重点实验室江西南昌330013

现有的情感—原因对抽取模型均没有通过加入外部知识来提升情感—原因对的抽取效果。该文提出基于知识迁移的情感—原因对抽取模型(ECPE-KT),采用知识库获取文本的显性知识编码;随后引入外部情感分类语料库迁移得到子句的隐性知识编码;... 详细信息

现有的情感—原因对抽取模型均没有通过加入外部知识来提升情感—原因对的抽取效果。该文提出基于知识迁移的情感—原因对抽取模型(ECPE-KT),采用知识库获取文本的显性知识编码;随后引入外部情感分类语料库迁移得到子句的隐性知识编码;最后拼接两个知识编码,加入情感(原因)子句预测概率及相对位置,搭配Transformer机制融合上下文,并采用窗口机制优化计算压力,实现情感—原因对抽取。在ECPE数据集上的实验结果表明,该文提出的方法超过当前最先进的模型ECPE-2D。

关键词：情感—原因对抽取知识辅助相对位置预测概率

来源：评论

学校读者我要写书评

暂无评论

基于结点权重模型的XML片段检索策略

引用

计算机学报 2013年第8期36卷 1729-1744页

作者：刘德喜万常选刘喜平钟敏娟江腾蛟江西财经大学信息管理学院南昌330013 江西财经大学数据与知识工程江西省高校重点实验室南昌330013

当用户向XML检索引擎提交查询后,返回的结果通常远远多于用户的期望,返回结果中难免有一些不相关的文档或结点.对于以文档为中心的XML文档集合,XML片段检索是根据用户的查询,从XML检索引擎返回的XML文档或结点中抽取出仅包含数百字节的... 详细信息

当用户向XML检索引擎提交查询后,返回的结果通常远远多于用户的期望,返回结果中难免有一些不相关的文档或结点.对于以文档为中心的XML文档集合,XML片段检索是根据用户的查询,从XML检索引擎返回的XML文档或结点中抽取出仅包含数百字节的片段,用户可以通过该片段判断片段所在的XML文档或结点与查询的真实相关性,以决定是否有必要进一步阅读,从而有效地提高从XML文档中获取信息的效率.该文提出了基于结点权重模型的XML片段检索策略.该策略先利用结点权重模型ATG(平均主题概括强度)对XML文档集中的标签或路径设置权重,再将该权重用于BM25模型,得到BM25NW检索模型.在利用BM25NW检索出XML结点后,对结点中定长窗口进行评分,考察其是否适合作为片段内容.最后在保证信息冗余较小的条件下,选择得分较高的窗口内容组成片段返回给用户.INEX 2011片段检索任务上的评测结果显示,基于结点权重模型ATG的XML片段检索策略具有很强的竞争力,性能明显优于其它参赛系统.

关键词： XML片段检索结点权重模型平均主题概括强度窗口

来源：评论

学校读者我要写书评

暂无评论

基于句法语义特征的中文实体关系抽取

引用

计算机研究与发展 2016年第2期53卷 284-302页

作者：甘丽新万常选刘德喜钟青江腾蛟江西财经大学信息管理学院南昌330013 数据与知识工程江西省高校重点实验室(江西财经大学) 南昌330013

作为语义网络和本体的基础,实体关系抽取已被广泛应用于信息检索、机器翻译和自动问答系统中.实体关系抽取的核心问题在于实体关系特征的选择和提取.中文长句的句式较复杂,经常包含多个实体的特点以及数据稀疏问题,给中文关系探测和关... 详细信息

作为语义网络和本体的基础,实体关系抽取已被广泛应用于信息检索、机器翻译和自动问答系统中.实体关系抽取的核心问题在于实体关系特征的选择和提取.中文长句的句式较复杂,经常包含多个实体的特点以及数据稀疏问题,给中文关系探测和关系抽取任务带了挑战.为了解决上述问题,提出了一种基于句法语义特征的实体关系抽取方法.通过将2个实体各自的依存句法关系进行组合,获取依存句法关系组合特征,利用依存句法分析和词性标注选择最近句法依赖动词特征.将这2个新特征加入到基于特征的关系探测和关系抽取中,使用支持向量机(support vector machine,SVM)方法,以真实旅游领域文本作为语料进行实验.实验表明,从句法和语义上提取的2个特征能够有效地提高实体关系探测和关系抽取的性能,其准确率、召回率和F1值均优于已有方法.此外,最近句法依赖动词特征非常有效,尤其对数据稀疏的关系类型贡献最大,在关系探测和关系抽取上的性能均优于当前经典的基于动词特征方法.

关键词：关系抽取关系探测句法特征语义特征支持向量机

来源：评论

学校读者我要写书评

暂无评论

考虑投资者朋友关系和预期效用的P2P借贷个性化投资推荐方法

引用

计算机研究与发展 2018年第10期55卷 2307-2320页

作者：万常选游运江腾蛟刘喜平廖国琼刘德喜江西财经大学信息管理学院南昌330013 江西财经大学数据与知识工程江西省高校重点实验室南昌330013

随着互联网技术的快速发展,在线P2P借贷市场投资推荐已经成为网络金融领域的重要研究方向.对于P2P借贷市场潜在投资者来说,需解决的关键问题包括2个方面:1)如何选择真正符合自己投资需求和偏好的投资项目;2)如何将自己的投资金额在这些... 详细信息

随着互联网技术的快速发展,在线P2P借贷市场投资推荐已经成为网络金融领域的重要研究方向.对于P2P借贷市场潜在投资者来说,需解决的关键问题包括2个方面:1)如何选择真正符合自己投资需求和偏好的投资项目;2)如何将自己的投资金额在这些投资项目中进行合理分配.以往关于这两者的研究主要是侧重在借贷项目的违约风险预测、投资项目全局推荐及投资组合优化等方面.而随着研究的深入可以发现,仍在投资者效用无差异假设及投资者历史交易数据的基础上设计推荐模型,将难以满足不同风险偏好投资者的投资决策需求,保证推荐的有效性.鉴于此,1)基于Prosper平台历史数据建立P2P关联网络模型,并分别计算借贷项目和投资者的概念特征,得出相应的概念模型;2)进一步考察P2P关联网络模型中的投资者朋友关系,以捕获投资者之间投资行为的相互影响,发掘投资者投资行为的影响因子,并将其应用于借贷项目兴趣度的预测,以提高投资项目推荐的有效性;3)在此基础上,从预期效用理论出发,进一步考虑投资者风险偏好对投资需求的影响,建立个性化投资组合推荐框架,以提高其投资的满意度和经济性能;4)将其推荐结果与其他基准模型的推荐结果进行对比分析,以综合评价其推荐效果.在Prosper平台真实数据的基础上进行了详细的实验测试,结果表明:该方法相较于传统的投资推荐方法具有更好的推荐效果.

关键词： P2P借贷 P2P关联网络朋友关系预期效用投资推荐

来源：评论

学校读者我要写书评

暂无评论

面向混合类型关键词查询的非合作结构化深网数据源选择

引用

计算机研究与发展 2014年第4期51卷 905-917页

作者：万常选邓松刘德喜江腾蛟刘喜平江西财经大学信息管理学院南昌330013 江西财经大学数据与知识工程江西省高校重点实验室南昌330013

为有效地利用深网中的资源,深网集成应运而生.为了提高深网集成的效率和返回结果的质量,数据源选择成为深网集成的关键技术.深网数据源大多数是结构化和非合作型的.当前已有的非合作结构化深网数据源选择的研究分为2类:一类是面向离散... 详细信息

为有效地利用深网中的资源,深网集成应运而生.为了提高深网集成的效率和返回结果的质量,数据源选择成为深网集成的关键技术.深网数据源大多数是结构化和非合作型的.当前已有的非合作结构化深网数据源选择的研究分为2类:一类是面向离散型关键词查询的源选择;另一类是面向字符型关键词查询的源选择,而未见面向混合类型关键词查询的结构化数据源选择的相关研究.基于此,将用户查询关键词分为检索型关键词和约束型关键词,基于主题词与主题词、主题词与特征词和直方图与直方图的关联特征构建了面向检索型、约束型混合关键词查询的层次化数据源摘要,有效地反映了非合作结构化深网数据源选择中检索型关键词的检索意图和约束型关键词的约束相关性,并依据此摘要给出了相应的数据源选择策略.实验结果表明,该方法在面向混合类型关键词查询的非合作结构化深网数据源选择时具有较好的记录召回率及准确率.

关键词：混合类型关键词检索非合作结构化深网数据源选择

来源：评论

学校读者我要写书评

暂无评论

基于协陪义动词的中文隐式实体关系抽取

引用

计算机学报 2019年第12期42卷 2795-2820页

作者：万常选甘丽新江腾蛟刘德喜刘喜平刘玉江西财经大学信息管理学院南昌330013 江西财经大学数据与知识工程江西省高校重点实验室南昌330013

实体关系抽取的目标在于探测实体之间的显式关系和隐式关系.现有研究大多集中在显式实体关系抽取,而忽略了隐式实体关系抽取.针对旅游和新闻领域文本经常包含许多由协陪义动词引发的隐式实体关系,本文研究了基于协陪义动词的中文隐式实... 详细信息

实体关系抽取的目标在于探测实体之间的显式关系和隐式关系.现有研究大多集中在显式实体关系抽取,而忽略了隐式实体关系抽取.针对旅游和新闻领域文本经常包含许多由协陪义动词引发的隐式实体关系,本文研究了基于协陪义动词的中文隐式实体关系抽取问题.将机器学习方法与规则相结合,借助于显式实体关系对隐式实体关系进行推理.首先,利用依存句法分析,设计了协陪义候选句型分类算法以及相应的协陪义成分识别算法;其次,根据协陪义成分和协陪义动词作用范围的特点,设计了三种句内基于协陪义动词的隐式实体关系推理规则;最后,利用协陪义句中零形回指的先行词,建立不同句子中协陪义动词的主体成分与客体成分之间的联系,实现句间基于协陪义动词的隐式实体关系抽取.另外,本文还提出了趋向核心动词特征提取算法,进一步提高了动词特征对显式实体关系抽取的效果.基于真实的旅游领域和新闻领域文本数据集进行了详细的实验测试,实验结果表明了方法的有效性.

关键词：关系抽取隐式关系协陪义动词显式关系动词特征

来源：评论

学校读者我要写书评

暂无评论

基于语义分析的评价对象-情感词对抽取

引用

计算机学报 2017年第3期40卷 617-633页

作者：江腾蛟万常选刘德喜刘喜平廖国琼江西财经大学信息管理学院南昌330013 江西财经大学数据与知识工程江西省高校重点实验室南昌330013

评价对象-情感词对是情感词及其所修饰评价对象的组合,评价对象-情感词对的识别是细粒度情感分析的一个原子任务和关键任务.现有的研究大多集中在商品评论上,随着金融大数据的涌现,金融评论的情感挖掘意义凸显.与商品评论不同,中文金融... 详细信息

评价对象-情感词对是情感词及其所修饰评价对象的组合,评价对象-情感词对的识别是细粒度情感分析的一个原子任务和关键任务.现有的研究大多集中在商品评论上,随着金融大数据的涌现,金融评论的情感挖掘意义凸显.与商品评论不同,中文金融评论中评价对象数目繁多且构成形式复杂,虚指评价对象和隐式评价对象也更常见;情感词的词性更丰富,其在句中的句法成分也更灵活、语义更丰富.针对金融评论的这些特点,该文提出了基于浅层语义与语法分析相结合的评价对象-情感词对抽取方法.考虑到金融评论多动词情感词,设计了语义角色标注与依存句法分析相结合的评价对象-情感词对抽取规则,解决了评价对象构成的复杂性问题;基于语义和领域知识对虚指评价对象进行了判别和替换,以明确其实际的指向和含义;基于特殊情感词搭配表、上下文搭配表及频繁搭配表提出了隐式评价对象识别的新思路,能有效地识别出缺省和隐含评价对象.在大规模的中文金融评论上进行了详细的实验测试,实验结果表明了该方法的有效性.

关键词：情感分析中文金融评论评价对象-情感词对语义角色标注依存句法分析

来源：评论

学校读者我要写书评

暂无评论

基于多特征融合的在线论坛用户心理健康自动评估

引用

计算机学报 2019年第7期42卷 1553-1569页

作者：刘德喜夏先益万常选刘喜平江腾蛟付淇江西财经大学信息管理学院南昌330013 江西财经大学数据与知识工程江西省高校重点实验室南昌330013

心理健康问题会对社会和谐和家庭幸福造成严重破坏,提前发现有心理健康问题的潜在患者,有利于对其进行及时辅导和治疗.人们利用互联网或社交网络交流沟通、表达情感和观点,这为心理健康的观察提供了新的窗口.本文提出基于多特征融合的... 详细信息

心理健康问题会对社会和谐和家庭幸福造成严重破坏,提前发现有心理健康问题的潜在患者,有利于对其进行及时辅导和治疗.人们利用互联网或社交网络交流沟通、表达情感和观点,这为心理健康的观察提供了新的窗口.本文提出基于多特征融合的在线论坛用户心理健康自动评估框架F 3 TMH,该框架采用贪婪法F 3 TMH_G、投票法 F 3 TMH_V、后期融合法F 3 TMH_L和降噪自编码器法F 3 TMH_DA四种特征融合策略,融合帖子(或其作者)的行为与属性特征、语言或用词风格特征、内容特征(N-Grams特征、主题特征、词向量特征)、上下文特征,对论坛中帖子所反映的用户(心理康健状况)需要干预的紧急程度( crisis :非常紧急, red :紧急, amber :不紧急, green :不需要任何干预)进行自动评估.在CLPsych2017 shared task评测任务所提供的数据集上,考察了各类特征、不同的特征融合策略对心理健康自动评估性能的影响.实验发现,相对于行为与属性特征和语言特征,内容特征表现更好,其中基于Word2Vec的词向量特征表现最佳,其 Non -green ( crisis 、 red、amber 三类)的 F1 均值达到0.429.尽管单独使用行为与属性特征表现不佳,但该特征对 crisis 类帖子的识别影响很大,在融合所有特征的基础上去掉该特征后会导致 crisis 类帖子的 F1 值下降19.7%.实验还显示,多种类型特征的融合较单一类型的特征表现更优,特征融合后 Non -green 的 F1 值(0.479)较单一最优特征(0.429)提高11.6%.各种特征融合策略各有优势,例如,后期融合策略F 3 TMH_L2更有利于识别心理健康危机程度较高的用户( crisis 和 red 类帖子), Urgent 的 F1 值达到0.608,而F 3 TMH_L则更有利于识别 crisis 类的帖子,自编码融合策略F 3 TMH_DA对于识别数据量相对较多的 Flagged 类(所有非 green 类的并集)帖子更有优势,其 F1 值达到0.872.最后还探讨了上下文信息对用户心理危机程度识别的影响.此外,F 3 TMH_V参加了CLPsych2017 shared task评测,在官方对参赛系统排名的评价指标 Non -green F1 上得分0.467,排名第一,优于采用深度学习等其他模型和特征的参赛系统。

关键词：在线论坛用户心理健康自动评估行为与属性特征语言特征内容特征多特征融合

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：