检索结果-南通市图书馆

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

生物医学文本挖掘技术的研究与进展

中文信息学报 2008年第3期22卷 89-98页

作者：王浩畅赵铁军哈尔滨工业大学教育部-微软语言语音重点实验室黑龙江哈尔滨150001

生物医学研究是二十一世纪最受关注的研究领域之一,该领域发表了巨量的研究论文,已经达到年平均60万篇以上。如何在规模巨大的研究文献中有效地获取相关知识,是该领域研究者所面临的挑战。作为生物信息学分支之一的生物医学文本挖掘技... 详细信息

生物医学研究是二十一世纪最受关注的研究领域之一,该领域发表了巨量的研究论文,已经达到年平均60万篇以上。如何在规模巨大的研究文献中有效地获取相关知识,是该领域研究者所面临的挑战。作为生物信息学分支之一的生物医学文本挖掘技术就是一项高效自动地获取相关知识的新探索,近年来取得了较大进展。这篇综述介绍了生物医学文本挖掘的主要研究方法和成果,即基于机器学习方法的生物医学命名实体识别、缩写词和同义词的识别、命名实体关系抽取,以及相关资源建设、相关评测会议和学术会议等。此外还简要介绍了国内研究现状,最后对该领域近期发展作了展望。

关键词：计算机应用中文信息处理生物信息学文本挖掘信息抽取机器学习

在线全文

学校读者我要写书评

暂无评论

面向买卖合同的词汇增强细粒度实体识别

中文信息学报 2024年第2期38卷 87-98页

作者：王浩畅郑冠彧赵铁军东北石油大学计算机与信息技术学院黑龙江大庆163318 哈尔滨工业大学计算机科学与技术学院黑龙江哈尔滨150001 华南理工大学软件学院广东广州510006

对于合同文本中当事人信息、合同基本信息、合同条款等细粒度实体的正确提取,可以有效提升合同的审查效率,为智能合同管理赋能。然而现有的实体识别方法,难以解决合同文本中实体类型复杂和合同实体细化的问题。因此,该文提出一种新的基... 详细信息

对于合同文本中当事人信息、合同基本信息、合同条款等细粒度实体的正确提取,可以有效提升合同的审查效率,为智能合同管理赋能。然而现有的实体识别方法,难以解决合同文本中实体类型复杂和合同实体细化的问题。因此,该文提出一种新的基于词汇增强的细粒度实体识别模型BLBC-CFER,该方法通过对预训练语言模型提供的字级增强、字加词嵌入提供的词级增强以及词汇集合结构提供的词级增强进行融合并嵌入到模型输入中,然后采用深度神经网络获取最优标记序列。该文在自行构建的买卖合同细粒度实体语料集和两个不同领域的公开数据集上进行实验。实验结果表明,该方法不仅可以有效地完成合同文本的细粒度实体识别任务,而且具有较好的鲁棒性,效果优于基线模型。

关键词：词汇增强细粒度实体识别序列标注合同领域

在线全文

学校读者我要写书评

暂无评论

生物文本中蛋白质名称的识别

计算机应用研究 2007年第1期24卷 100-102页

作者：王浩畅赵铁军于浩哈尔滨工业大学计算机与技术学院黑龙江哈尔滨150001

随着基因和蛋白质序列的发布和分子生物学研究的发展,其相关的数据呈指数级增长,因此如何从海量的相关文献中直接获取生物学家研究领域的相关信息变得迫在眉睫,识别生物文献中的命名实体如蛋白质、基因、脱氧核糖核酸名称等成为生物信... 详细信息

随着基因和蛋白质序列的发布和分子生物学研究的发展,其相关的数据呈指数级增长,因此如何从海量的相关文献中直接获取生物学家研究领域的相关信息变得迫在眉睫,识别生物文献中的命名实体如蛋白质、基因、脱氧核糖核酸名称等成为生物信息学中信息抽取的最基本任务。介绍了国际同类研究中生物命名实体识别的各种方法,重点介绍了蛋白质名称识别的相关方法、所用资源、实验结果及与国际同类研究的比较结果。

关键词：生物信息命名实体识别机器学习特征选择

在线全文

学校读者我要写书评

暂无评论

基于元搜索的专题式Web搜索引擎的实现

大庆石油学院学报 2002年第4期26卷 55-58页

作者：马瑞民李建平王浩畅大庆石油学院计算机科学与工程学院黑龙江大庆163318

介绍了基于元搜索的专题式Web搜索引擎系统的设计方法与实现技术 .该系统根据石油科技专题的特点 ,采用元搜索引擎技术 ,以现存的搜索引擎系统为信息源 ,利用网络机器人 ,根据专题提供的关键词采集信息 ,通过关键词相似度和文档相似度... 详细信息

介绍了基于元搜索的专题式Web搜索引擎系统的设计方法与实现技术 .该系统根据石油科技专题的特点 ,采用元搜索引擎技术 ,以现存的搜索引擎系统为信息源 ,利用网络机器人 ,根据专题提供的关键词采集信息 ,通过关键词相似度和文档相似度计算提高信息的查询效率和精度 .该系统的实现。

关键词：元搜索专题式 Web 搜索引擎信息检索网络机器人文档相关性更新周期

在线全文

学校读者我要写书评

暂无评论

机器阅读理解研究与进展

计算机应用与软件 2023年第3期40卷 1-10,71页

作者：王浩畅闫凯峰 Marius Gabriel Petrescu 东北石油大学计算机与信息技术学院黑龙江大庆163318 普罗耶什蒂石油天然气大学普拉霍瓦普罗耶什蒂100680

针对目前机器阅读理解的研究进展,对机器阅读理解的研究背景和国内外研究现状进行详细介绍,着重介绍国内外主流的大规模机器阅读理解数据集,以及在各个数据集上的评价指标。介绍神经机器阅读理解模型,并对向量化、编码、注意力机制、答... 详细信息

针对目前机器阅读理解的研究进展,对机器阅读理解的研究背景和国内外研究现状进行详细介绍,着重介绍国内外主流的大规模机器阅读理解数据集,以及在各个数据集上的评价指标。介绍神经机器阅读理解模型,并对向量化、编码、注意力机制、答案预测模块做了详细的介绍。总结当前机器阅读理解所面临的问题,并展望未来的发展趋势。

关键词：自然语言处理机器阅读理解深度神经网络机器阅读理解数据集注意力机制

在线全文

学校读者我要写书评

暂无评论

融合词汇边界信息的合同实体识别方法

计算机工程与设计 2024年第6期45卷 1757-1763页

作者：王浩畅和婷婷郑冠彧东北石油大学计算机与信息技术学院黑龙江大庆163318

针对合同中实体表达形式复杂多变、识别粒度细的特点,及合同文本中实体较长问题,提出一种融合词汇边界信息的合同实体识别方法。利用预训练语言模型动态生成语义向量作为模型输入;运用相对位置编码对Transformer结构进行改进,使其在编... 详细信息

针对合同中实体表达形式复杂多变、识别粒度细的特点,及合同文本中实体较长问题,提出一种融合词汇边界信息的合同实体识别方法。利用预训练语言模型动态生成语义向量作为模型输入;运用相对位置编码对Transformer结构进行改进,使其在编码过程中融合词汇信息,进一步丰富语义特征;通过条件随机场(CRF)结构进行解码,得到输入序列的标签预测。实验结果表明,该方法可以有效确定合同文本中的实体边界,具有良好的泛化性能。

关键词：实体识别合同文本预训练语言模型相对位置编码转换器结构词汇边界信息条件随机场

基于PMV-LSTM的中文医学命名实体识别

在线全文

学校读者我要写书评

暂无评论

计算机工程与设计 2022年第11期43卷 3257-3263页

作者：陈雪松朱鑫海王浩畅东北石油大学电气信息工程学院黑龙江大庆163318 东北石油大学计算机与信息技术学院黑龙江大庆163318

针对目前中文医学领域命名实体识别无法充分利用语义信息的问题,提出基于PMV-LSTM的中文医学领域命名实体识别方法。对医学语料进行词向量训练,采用pkuseg分词工具,使用“字符分割”方法扩充字符信息;利用Lattice LSTM结构动态地将词汇... 详细信息

针对目前中文医学领域命名实体识别无法充分利用语义信息的问题,提出基于PMV-LSTM的中文医学领域命名实体识别方法。对医学语料进行词向量训练,采用pkuseg分词工具,使用“字符分割”方法扩充字符信息;利用Lattice LSTM结构动态地将词汇信息和字符信息融合以解决语义缺失问题,通过条件随机场解码得到实体标签。实验结果表明,该方法在3个医学数据集上性能均有提升,表明在重新训练词向量后,模型能够更好地拟合医学文本数据。

关键词：医学词向量命名实体识别长短期记忆网络字符特征条件随机场

在线全文

学校读者我要写书评

暂无评论

联合句法与位置信息的方面情感三元组抽取

计算机工程与设计 2024年第10期45卷 3096-3102页

作者：王浩畅黄嘉婷赵铁军东北石油大学计算机与信息技术学院黑龙江大庆163318 哈尔滨工业大学计算机科学与技术学院黑龙江哈尔滨150001

为提高方面级情感三元组抽取任务的准确率,提出一种联合依存句法关系和位置偏移信息的抽取模型。在模型上下文编码中添加句法关系,结合图卷积网络捕获结构和结点属性信息,增强三元组要素之间的交互能力;在多任务学习部分加入相对位置偏... 详细信息

为提高方面级情感三元组抽取任务的准确率,提出一种联合依存句法关系和位置偏移信息的抽取模型。在模型上下文编码中添加句法关系,结合图卷积网络捕获结构和结点属性信息,增强三元组要素之间的交互能力;在多任务学习部分加入相对位置偏移信息,充分挖掘方面-观点词对的关系,提高三元组要素抽取的精度。在4个基准英文数据集上的实验结果表明,该方法效果显著且优于其它基线模型。

关键词：方面级情感分析三元组抽取多任务学习图卷积网络依存句法双向长短时记忆网络深度学习

在线全文

学校读者我要写书评

暂无评论

基于分类器串联融合的生物医学命名实体识别

大庆石油学院学报 2011年第2期35卷 91-94,122页

作者：马瑞民马民艳王浩畅东北石油大学计算机与信息技术学院黑龙江大庆163318

鉴于生物医学命名实体识别的多数模型使用单机器学习算法时识别效果不好,提出一种基于条件随机域(CRFs)与最大熵(Maxent)分类器融合的方法,利用基分类器之间的相关性和互补性,结合有效的特征集合,进行再学习,得到融合模型.实验表明,该... 详细信息

鉴于生物医学命名实体识别的多数模型使用单机器学习算法时识别效果不好,提出一种基于条件随机域(CRFs)与最大熵(Maxent)分类器融合的方法,利用基分类器之间的相关性和互补性,结合有效的特征集合,进行再学习,得到融合模型.实验表明,该模型的识别性能与单一分类器和JNLPBA专题会议相关的系统比较,取得很好成绩,F测度达到70.7%,证明该融合方法有效.

关键词：条件随机域最大熵分类器融合特征提取生物医学命名实体识别