针对中医事件抽取过程中存在事件论元边界模糊的问题,综合运用卷积神经网络、双向长短期记忆网络和注意力机制提出了一种局部与全局语义特征融合的事件抽取模型(event extraction model integrating local and global semantic feature,...
详细信息
针对中医事件抽取过程中存在事件论元边界模糊的问题,综合运用卷积神经网络、双向长短期记忆网络和注意力机制提出了一种局部与全局语义特征融合的事件抽取模型(event extraction model integrating local and global semantic feature,EE-LGSF),以提升中医事件抽取的效果。首先,通过结合不同滤波窗口大小的卷积神经网络提取文本的多维度局部特征信息,同时利用双向长短期记忆网络捕捉文本的全局特征信息;其次,通过门控机制实现局部与全局信息的动态交互,以增强对论元边界的识别能力;再次,引入模糊跨度注意力机制,动态调整注意力范围,从而优化论元跨度的决策过程;最后,以条件随机场进行标签预测。结果表明,所提模型比相关模型在中医医案数据集上的F1值提升了3.0~11.0个百分点,在解决中医事件抽取问题方面表现更为优异。所提模型能有效利用文本局部和全局语义信息,提高对文本跨度学习的灵活性来增强模型对论元边界的识别能力,从而获得更好的中医事件抽取效果,对中医知识传承和发展具有参考价值。
本文设计出一种针对脉冲噪声的二维鲁棒高分辨率波达方向(DOA,Direction of Arrival)估计算法,以解决雷达、声纳等无线通信领域中脉冲噪声环境下IAA(Iterative Adaptive Approach)无法准确估计出DOA的问题.该算法中,用最小p阶范数代替WL...
详细信息
本文设计出一种针对脉冲噪声的二维鲁棒高分辨率波达方向(DOA,Direction of Arrival)估计算法,以解决雷达、声纳等无线通信领域中脉冲噪声环境下IAA(Iterative Adaptive Approach)无法准确估计出DOA的问题.该算法中,用最小p阶范数代替WLS(Weighted Least Squares)作为最优化求解的代价函数.此外,根据Toeplitz-Block-Toeplitz(TBT)矩阵性质和FFT简化计算过程,提出该算法的快速实现方法,提高算法的计算效率.该算法在对称α-稳定(SαS,Symmetric Alpha-Stable)分布噪声环境下建模,仿真结果表明:与CRCO-MUSIC(Co Rrentropy based COrrelationMUltiple Signal Classification)算法和MUSIC-FLOM(MUltiple Signal Classification-Fractional Lower-Order Moment)算法相比,二维lp-IAA算法可以在低信噪比、单快拍条件下有效分辨出相邻多目标信号;快速算法可以在保证高分辨率的前提下,算法平均运算时间降低至原来的约1/40.
暂无评论