检索结果-内蒙古大学图书馆

计算机应用 2025年第4期45卷 1199-1204页

作者：杨杰尼玛扎西仁青东主祁晋东才让东知西藏大学信息科学技术学院拉萨850000 藏文信息技术教育部工程研究中心(西藏大学) 拉萨850000

针对现有的预训练模型在藏文分词任务中表现不佳的问题,提出一种建立重构标记器规范约束文本,随后重构藏文预训练模型的标记器以进行藏文分词任务的方法。首先,对原始文本进行规范化操作,以解决因语言混用等导致的错误切分的问题;其次,... 详细信息

针对现有的预训练模型在藏文分词任务中表现不佳的问题,提出一种建立重构标记器规范约束文本,随后重构藏文预训练模型的标记器以进行藏文分词任务的方法。首先,对原始文本进行规范化操作,以解决因语言混用等导致的错误切分的问题;其次,对预训练模型进行音节粒度的标记器重构,使得切分单元与标注单元平行;最后,在利用改进的滑动窗口还原法完成黏着切分后,利用“词首、词中、词尾、孤立”(BMES)四元标注法建立Re-TiBERTBiLSTM-CRF模型,从而得到藏文分词系统。实验结果表明,重构标记器后的预训练模型在分词任务中明显优于原始预训练模型,而得到的系统拥有较高的藏文分词精确率,F1值最高可达97.15%,能够较好地完成藏文分词任务。

关键词：藏语信息处理藏文分词模型预训练模型自然语言处理标记器重构

来源：评论

学校读者我要写书评

暂无评论

基于跨度表示的藏医药文献实体关系抽取

引用

北京大学学报(自然科学版) 2025年

作者：周青拥措拉毛东只尼玛扎西西藏大学信息科学技术学院西藏自治区藏文信息技术人工智能重点实验室藏文信息技术教育部工程研究中心

实体关系抽取是自然语言处理的关键任务之一，在藏医药领域的应用对于构建藏医药知识图谱、智能辅助诊断和药物研发具有重要意义。然而，由于藏医药术语的特殊性、文本资源的稀缺以及语言处理的复杂性，传统的实体关系抽取方法难以直接... 详细信息

实体关系抽取是自然语言处理的关键任务之一，在藏医药领域的应用对于构建藏医药知识图谱、智能辅助诊断和药物研发具有重要意义。然而，由于藏医药术语的特殊性、文本资源的稀缺以及语言处理的复杂性，传统的实体关系抽取方法难以直接应用于藏医药领域。本文提出了一种基于跨度表示的藏医药文献实体关系抽取方法，通过使用跨度表示方法和TibetanAI＿ALBERT＿v2.0预训练语言模型进行编码，枚举潜在候选的实体，解决实体嵌套不能充分识别的问题，同时引入KL散度来约束模型训练和推理阶段模型不一致问题。实验结果表明，该方法在藏医药领域的实体关系抽取数据集TibetanAI＿TMDisRE＿v1.0上取得了显著的性能提升，精确率、召回率和F1值分别达到了84.85%、77.35%和80.81%。

关键词：藏文藏医药实体关系抽取联合抽取

来源：评论

学校读者我要写书评

暂无评论

基于双向软模板方式提示学习的藏文文本分类

引用

中文信息学报 2025年第1期39卷 16-27页

作者：周明军李秉林群诺尼玛扎西西藏大学信息科学技术学院西藏拉萨850000 西藏大学西藏信息化省部共建协同创新中心西藏拉萨850000 西藏大学藏文信息技术教育部工程研究中心西藏拉萨850000

藏文文本分类是藏语自然语言处理中的一项基础任务,在舆情监测、新闻推送、邮件分类等领域具有重要价值。预训练语言模型加微调的方式是目前主流的文本分类方法。然而,受限于有限的藏文标注数据和计算资源,使用该方法微调更大模型进行... 详细信息

藏文文本分类是藏语自然语言处理中的一项基础任务,在舆情监测、新闻推送、邮件分类等领域具有重要价值。预训练语言模型加微调的方式是目前主流的文本分类方法。然而,受限于有限的藏文标注数据和计算资源,使用该方法微调更大模型进行文本分类研究变得非常困难。针对上述问题,该文提出了一种基于双向软模板方式提示学习的藏文文本分类方法。具体来说,传统的软模板方式提示学习只在输入文本嵌入向量前面添加可优化的软模板向量,但为了适应藏文语法结构,该文方法在输入文本嵌入向量首尾都进行软模板向量拼接。通过当前藏文两个主流藏文文本分类任务(情感分类、新闻主题分类)进行验证,结果表明,该文方法对于预训练语言模型(Pre-trained Language Model,PLM)的分类效果有显著提升。尤其在少样本实验中表现出色,其中,新闻主题分类的Macro-F_(1)值最高提升了5.7%,情感分类的Macro-F_(1)值最高提升了8.3%。

关键词：藏文软模板方式提示学习预训练语言模型

来源：评论

学校读者我要写书评

暂无评论

基于位置和词性特征的藏文情感三元组抽取模型

引用

计算机技术与发展 2025年第2期35卷 130-137页

作者：斯曲卓嘎拥措赛鸣宇西藏大学信息科学技术学院西藏拉萨850000 西藏自治区藏文信息技术人工智能重点实验室西藏拉萨850000 藏文信息技术教育部工程研究中心西藏拉萨850000

藏文情感三元组(方面词、情感词、情感极性)是细粒度情感分析的核心任务,对于深入理解藏族情感表达和趋势至关重要。但藏文的独特语言结构和文化背景导致其情感表达方式与其他语言不同,从而增加了细粒度情感分析的复杂性。为了提高藏文... 详细信息

藏文情感三元组(方面词、情感词、情感极性)是细粒度情感分析的核心任务,对于深入理解藏族情感表达和趋势至关重要。但藏文的独特语言结构和文化背景导致其情感表达方式与其他语言不同,从而增加了细粒度情感分析的复杂性。为了提高藏文情感三元组的提取能力,该文提出了OpinionNet-OTE-MTL模型,该模型融合了词性信息、Word2Vec词向量和绝对位置向量,并通过双向长短时记忆网络(BILSTM)进行特征提取。其中,由于藏文词性种类较多,该文分析了大量的情感数据集并从中提取出11种词性辅助模型识别。最后,为了验证OpinionNet-OTE-MTL模型的有效性,在自构建的2000句藏文细粒度情感分析数据上进行了对比实验和消融实验。消融实验表明,词性较位置信息对模型的影响更大,其三元组抽取F1值提高了3.06百分点;对比实验结果表明将词性和位置特征融入进模型后,在情感三元组提取(Triple)任务上的精确率、召回率和F1值较基线实验提高了4.73百分点、6百分点、6.14百分点,融入词性和绝对位置信息使模型能更精确地理解藏文的语法结构和语义规则,从而提升了情感三元组分类任务的准确度。

关键词：藏文 Word2Vec 词性位置特征情感三元组

来源：评论

学校读者我要写书评

暂无评论

基于知识融合的藏语方言语体转换方法研究

引用

计算机技术与发展 2025年

作者：拉毛吉蔡郁青仁增多杰钱木吉尼玛扎西西藏大学信息科学技术学院省部共建藏语智能信息处理及应用国家重点实验室西藏大学藏文信息技术教育部工程研究中心

藏语具有丰富的方言体系，主要包括卫藏方言、安多方言和康巴方言，以及许多具有地域特色的次方言。各方言之间存在的用词和语法差异增加了语音识别、机器翻译和语音数据增强等自然语言处理任务的难度。为此，本文提出了一种基于知识融... 详细信息

藏语具有丰富的方言体系，主要包括卫藏方言、安多方言和康巴方言，以及许多具有地域特色的次方言。各方言之间存在的用词和语法差异增加了语音识别、机器翻译和语音数据增强等自然语言处理任务的难度。为此，本文提出了一种基于知识融合的藏语方言文本到书面语的语体转换方法。该方法首先分析了藏语方言的语法和词汇研究现状，以及藏文虚词在不同方言中的应用特征，并构建了方言虚词知识库。其次，基于已有的藏语三大方言的口语词典，经过筛选构建了藏语方言实词与对应书面语实词的口语词典。最后，将已有的规则、知识库和口语词典进行知识融合，完成了藏语方言语体转换。实验结果显示，平均准确率为71.45%，其中卫藏方言为76.59%，安多方言为73.16%，康巴方言为64.62%。这些准确率结果不仅证明了本文所提出方法的有效性，也证实了所构建知识库的实用性和可行性。

关键词：藏语方言知识融合语体转换知识库

来源：评论

学校读者我要写书评

暂无评论

融合对抗训练与迭代膨胀卷积的藏医药命名实体识别方法

引用

高原科学研究 2025年第1期9卷 105-118页

作者：拉毛杰万玛才旦拥措高兴尼玛扎西西藏大学信息科学技术学院西藏拉萨850000 西藏自治区藏文信息技术人工智能重点实验室西藏拉萨850000 藏文信息技术教育部工程研究中心西藏拉萨850000

当前藏文命名实体识别模型在处理藏医药领域的实体识别任务时,往往面临迁移性和泛化能力受限以及语义关联捕捉不充分和实体边界模糊等问题。文章提出一种融合对抗训练与迭代膨胀卷积的藏医药文本命名实体识别模型(TM-ATD)。该方法首先... 详细信息

当前藏文命名实体识别模型在处理藏医药领域的实体识别任务时,往往面临迁移性和泛化能力受限以及语义关联捕捉不充分和实体边界模糊等问题。文章提出一种融合对抗训练与迭代膨胀卷积的藏医药文本命名实体识别模型(TM-ATD)。该方法首先基于《四部医典》构建了藏文音节标注的数据集TibetanAI_YUTOK_NER。其次采用预训练模型对藏文音节进行特征编码,融合对抗训练生成对抗样本以增强模型鲁棒性和泛化能力;通过双向长短时记忆网络捕捉序列依赖关系;采用迭代膨胀卷积全面捕捉文本上下文信息和全局特征,并利用多头自注意力机制增强局部上下文的理解能力,强化实体边界信息和文本语义关联。最后采用条件随机场进行解码操作输出最优标签序列。实验结果表明,融合对抗训练与迭代膨胀卷积的方法在藏医药文本数据集和藏文数据集TibetanAI_NER上的F1值分别达到了76.59%和54.91%,相较于基线模型,F1分别提升了3.03%和0.77%。

关键词：藏医药命名实体识别预训练模型对抗训练膨胀卷积

来源：评论

学校读者我要写书评

暂无评论

基于对比损失的低资源语言情感分类

引用

电脑知识与技术 2025年第6期21卷 9-11页

作者：杜广进拥措西藏大学信息科学技术学院西藏拉萨850000 西藏自治区藏文信息技术人工智能重点实验室西藏拉萨850000 藏文信息技术教育部工程研究中心西藏拉萨850000

随着自然语言处理技术的快速发展,跨语言预训练模型为低资源语言处理提供了新的研究途径。然而,现有模型在马来语、豪萨语等低资源语言上的性能仍有待提升,主要受限于训练数据的匮乏和质量不均。特别是在情感分类任务中,传统的全参数微... 详细信息

随着自然语言处理技术的快速发展,跨语言预训练模型为低资源语言处理提供了新的研究途径。然而,现有模型在马来语、豪萨语等低资源语言上的性能仍有待提升,主要受限于训练数据的匮乏和质量不均。特别是在情感分类任务中,传统的全参数微调方法难以充分利用有限训练集中标签之间的关系,导致模型在不同类别上的性能差异显著。针对这一挑战,该文提出了一种基于对比损失的低资源语言情感分类方法(CL-LRSC),通过在多语言预训练模型的微调过程中引入对比损失,优化文本在向量空间的表示。该方法在保持传统交叉熵损失的基础上,通过对比学习使相同情感类别的文本表示相互靠近,不同情感类别的文本表示相互远离。在阿姆哈拉语、印尼语和豪萨语三种低资源语言的情感分类实验中,该方法显著提升了分类性能。实验结果表明,在XLM-R模型上,印尼语和豪萨语的F1分数分别从89.19%提升至91.96%和从66.00%提升至71.48%。研究成果为解决低资源语言的情感分类问题提供了新的思路。

关键词：情感分类低资源语言对比损失多语言预训练模型

来源：评论

学校读者我要写书评

暂无评论

基于预训练模型的SST-5数据集的五类情感分析

引用

电脑知识与技术 2025年第9期21卷 38-41页

作者：扎西永珍拥措西藏大学信息科学技术学院西藏拉萨850000 西藏自治区藏文信息技术人工智能重点实验室西藏拉萨850000 藏文信息技术教育部工程研究中心西藏拉萨850000

该文探讨了Robust Sentiment Analysis(RSA)模型在细粒度情感分类中的有效性,使用SST-5数据集进行实验。本研究利用预训练模型的logits输出作为句子特征向量,随后通过支持向量机(SVM)和多层感知机(MLP)进行二次训练。在实验中,对数据进... 详细信息

该文探讨了Robust Sentiment Analysis(RSA)模型在细粒度情感分类中的有效性,使用SST-5数据集进行实验。本研究利用预训练模型的logits输出作为句子特征向量,随后通过支持向量机(SVM)和多层感知机(MLP)进行二次训练。在实验中,对数据进行了详细的预处理,并对特征提取、模型训练和参数调优进行了系统性探索。同时,比较了支持向量机(SVM)和多层感知机(MLP)在情感识别任务中的表现。实验结果表明,RSA模型提取的特征具有较强的判别能力,经过SVM和MLP的训练后,分类性能显著提高。研究验证了预训练语言模型在细粒度情感分析中的应用价值,并为社交媒体舆情监测等实际场景提供了有益的实践指导。此外,文章还讨论了模型在误差、噪声处理及局限性方面的挑战,并提出了未来优化的方向。

关键词：情感分析 SST-5数据集预训练语言模型微调技术自然语言处理

来源：评论

学校读者我要写书评

暂无评论

基于知识融合的藏语安多方言数据增强方法

引用

电脑知识与技术 2025年第7期21卷 50-55页

作者：钱木吉仁增多杰拉毛吉西藏大学信息科学技术学院西藏拉萨850000 省部共建藏语智能信息处理及应用国家重点实验室西藏拉萨85000 西藏大学藏文信息技术教育部工程研究中心西藏拉萨850000

针对藏语安多方言数据稀缺的问题,文章提出一种基于知识融合的数据增强方法。该方法首先分析安多方言词汇特征,将其分为8种实体特征和5种非实体特征,并构建了藏语辞藻、敬语和反义词词典。然后,利用Tibetan-Llama2模型进行风格迁移,将... 详细信息

针对藏语安多方言数据稀缺的问题,文章提出一种基于知识融合的数据增强方法。该方法首先分析安多方言词汇特征,将其分为8种实体特征和5种非实体特征,并构建了藏语辞藻、敬语和反义词词典。然后,利用Tibetan-Llama2模型进行风格迁移,将藏语书面语转换为安多方言。最后,结合安多方言语法特征,对生成的方言文本进行多特征融合扩充。实验结果表明,该方法将源语料扩充了6.67倍,生成的数据兼具多样性和可读性,为藏语安多方言数据增强提供了一种有效的解决方案。

关键词：藏语安多方言数据增强知识融合风格迁移低资源语言

来源：评论

学校读者我要写书评

暂无评论

XL-MIMO系统中基于稀疏度自适应匹配追踪算法的混合场信道估计

引用

哈尔滨理工大学学报 2024年

作者：张钧鑫黄欢姜军西藏大学信息科学技术学院西藏大学信息技术国家级实验教学示范中心西藏大学藏文信息技术教育部工程研究中心

6G的超大规模海量多输入多输出（Extra-Large Massive Multiple-Input Multiple-Output，XL-MIMO）与5G的大规模多输入多输出（Massive Multiple-Input Multiple-Output，Massive MIMO）相比，由于超大规模天线阵列的使用，导致存在了混合场信道。针对现有的远、近场信道估计方案对混合场信道状态信息估计不精确，并且在实际通信场景中信道的稀疏度不容易获得的问题。提出了一种基于稀疏度自适应匹配追踪（Sparsity Adaptive Matching Pursuit，SAMP）算法的混合场信道估计方案。具体地，SAMP算法不需要知道远、近场信道的稀疏度，根据残差的特点，通过内积找到所有非稀疏元素对应感知矩阵的支持集合，同时通过设置阈值，根据新残差与旧残差进行做差，如果小于此阈值，那么就找到了非稀疏信道对应的元素，进而估计出信道。通过仿真发现，所提出的混合场SAMP方案在未知信道稀疏度的情况下，也能较好的估计出来混合场信道，且与现有的其他信道估计方案相比具有更优的性能。

关键词：超大规模海量多输入多输出信道状态信息稀疏度自适应匹配追踪混合场信道估计

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：