检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

面向危险化学品事故的事理图谱构建

中国安全科学学报 2024年第5期34卷 195-203页

作者：李红儒栾婷婷邓明月陈文涛张雪北京石油化工学院安全工程学院北京102617 应急管理部信息研究院北京100029

为提高危险化学品企业安全管理水平,构建危险化学品事故因果关系事理图谱。首先,依据事故调查报告,提出一种基于改进CasRel的实体关系联合抽取模型,该模型通过关系感知双向编码器表征法(R-bert)和Span指针网络提高文本信息的抽取准确性... 详细信息

为提高危险化学品企业安全管理水平,构建危险化学品事故因果关系事理图谱。首先,依据事故调查报告,提出一种基于改进CasRel的实体关系联合抽取模型,该模型通过关系感知双向编码器表征法(R-bert)和Span指针网络提高文本信息的抽取准确性;其次,利用相似度计算方法进行事件泛化,使得图谱更加完整和准确,并将其存储在图数据库Neo4j中,以可视化的方式直观展示事件之间的关联;最后,基于构建的事理图谱,设计出与之匹配的问答系统架构,开发危险化学品事故因果关系智能问答系统。研究结果表明:改进的CasRel模型计算结果F_(1)值为90.5%,较未改进模型准确率提升约2%。构建的危险化学品事故事理图谱及智能问答系统,在多个评价指标表现良好,能够清晰揭示事件之间的逻辑关系;所提方法可满足危险化学品事故知识问答需求,协助探究事故发生的规律和潜在风险因素,推断事故发展趋势。

关键词：危险化学品事故事理图谱知识抽取因果关系智能问答系统

基于融合模型与语义网络的App用户意图识别研究

在线全文

学校读者我要写书评

暂无评论

计算机工程 2024年第8期50卷 50-63页

作者：陈瀚赵春蕾蒋昊达王春东天津理工大学教育部计算机视觉与系统省部共建重点实验室天津300384 天津市智能计算与软件新技术重点实验室天津300384

随着手机应用软件的流行,应用市场上出现了大量非结构化的中文用户评论。基于用户评论识别App用户意图,可以帮助开发人员对App软件进行有针对性的维护和改善。为了从中准确识别用户意图,提出一种基于融合模型和语义网络的App用户意图识... 详细信息

随着手机应用软件的流行,应用市场上出现了大量非结构化的中文用户评论。基于用户评论识别App用户意图,可以帮助开发人员对App软件进行有针对性的维护和改善。为了从中准确识别用户意图,提出一种基于融合模型和语义网络的App用户意图识别方法FSAUIR。使用百度工具Senta判断评论的情感倾向,构建基于Roberta的融合意图分类模型RBMS,通过Roberta模型将用户评论转化为语义特征表示,并将其输入到双向门控循环单元中,以提取评论的全局上下文语义信息,同时利用多头自注意力机制和SoftPool获取关键的特征信息,保留主要特征,通过Softmax进行归一化处理,得到意图分类结果。在意图分类的基础上,引入PositionRank模型提取各意图类别下评论的关键词,计算关键词之间的共现关系,构建关键词语义网络,从而更细粒度地识别用户意图。实验结果表明,相比bert、Roberta、Roberta-CNN等模型,RBMS模型在人工标注数据集上具有较优的分类性能,准确率、精确率、召回率、F1值分别为87.75%、88.09%、87.80%、87.88%。此外,在意图分类的结果集中,FSAUIR构建的语义网络可以高效地挖掘出用户评论中有价值的信息。

关键词：意图识别意图分类 Roberta模型双向循环门控单元 PositionRank模型多头自注意力机制

基于改进TF-IDF与bert的领域情感词典构建方法

在线全文

学校读者我要写书评

暂无评论

计算机科学 2024年第S01期51卷 150-158页

作者：蒋昊达赵春蕾陈瀚王春东天津理工大学教育部计算机视觉与系统省部共建重点实验室天津300384 天津市智能计算与软件新技术重点实验室天津300384

领域情感词典的构建是领域文本情感分析的基础。现有的领域情感词典构建方法存在所筛选候选情感词冗余度高、情感极性判断失准、领域依赖性强等问题。为了提高所筛选候选情感词的领域性和判断领域情感词极性的准确程度,提出了一种基于... 详细信息

领域情感词典的构建是领域文本情感分析的基础。现有的领域情感词典构建方法存在所筛选候选情感词冗余度高、情感极性判断失准、领域依赖性强等问题。为了提高所筛选候选情感词的领域性和判断领域情感词极性的准确程度,提出了一种基于改进词频-逆文档频率(TF-IDF)与bert的领域情感词典构建方法。该方法在筛选领域候选情感词阶段对TF-IDF算法进行改进,将隐含狄利克雷分布(LDA)算法与改进后的TF-IDF算法结合,进行领域性修正,提升了所筛选候选情感词的领域性;在候选情感词极性判断阶段,将情感倾向点互信息算法(SO-PMI)与bert结合,利用领域情感词微调bert分类模型,提高了判断领域候选情感词情感极性的准确程度。在不同领域的用户评论数据集上进行实验,结果表明,该方法可以提高所构建领域情感词典的质量,使用该方法构建的领域情感词典用于汽车领域和手机领域文本情感分析的F1值分别达到78.02%和88.35%。

关键词：情感分析领域情感词典词频-逆文档频率隐含狄利克雷分布情感倾向点互信息算法 bert模型

基于bert-GAT表示学习的问答社区最佳回答者推荐

在线全文

学校读者我要写书评

暂无评论

小型微型计算机系统 2024年第7期45卷 1656-1662页

作者：夏文宗赵海燕曹健陈庆奎上海理工大学光电信息与计算机工程学院上海市现代光学系统重点实验室光学仪器与系统教育部工程研究中心上海200093 上海交通大学计算机科学与技术系上海200030

在问答社区中,每天都会出现大量新的问题,为新问题推荐合适的回答者有助于加快问题的解决并促进社区发展.然而,目前最佳回答者推荐大多基于用户历史回复记录或文本匹配进行推荐,而用户是否回答某一问题与多方因素有关,特别是问题与用户... 详细信息

在问答社区中,每天都会出现大量新的问题,为新问题推荐合适的回答者有助于加快问题的解决并促进社区发展.然而,目前最佳回答者推荐大多基于用户历史回复记录或文本匹配进行推荐,而用户是否回答某一问题与多方因素有关,特别是问题与用户擅长的知识领域是否匹配有关.因此,本文根据用户回答文本构建的社区知识语料库并对bert模型进行微调,结合用户社区行为记录和回答赞同数等辅助信息,基于LightGBM模型进行最佳回答者的推荐.在实验中,利用Precision、MRR和Hit指标分析预测结果,结果表明,本文提出基于bert-GAT表示学习的LightGBM最佳回答者推荐模型在StackExchange三个流行社区中均取得了较好的性能.

关键词：问答社区图注意力网络 bert 评论网络 Light GBM

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

旅游自动问答系统中多任务问句分类研究

计算机应用与软件 2024年第1期41卷 336-342页

作者：陈千冯子珍王素格郭鑫山西大学计算机与信息技术学院山西太原030006 山西大学计算智能与中文信息处理教育部重点实验室山西太原030006

目前旅游产业信息化建设需要构建旅游自动问答系统,其中问句分类是问答系统的重要组成部分,传统问句类别体系角度单一,且传统分类模型对不平衡的问句数据集表现欠佳。针对这一问题,该文从问题主题和问句答案类型两个角度构建了旅游领域... 详细信息

目前旅游产业信息化建设需要构建旅游自动问答系统,其中问句分类是问答系统的重要组成部分,传统问句类别体系角度单一,且传统分类模型对不平衡的问句数据集表现欠佳。针对这一问题,该文从问题主题和问句答案类型两个角度构建了旅游领域的问句类别体系架构,并提出多任务问句分类模型MT-bert,在bert上进行多任务训练,并加入自注意力机制,使用Softmax分类器,并设计了多任务融合损失函数。在山西旅游数据集的结果表明,MT-bert在两种类别体系的微平均F1值分别为97.6%、91.7%,且避免了非平衡数据的预测失败问题,可以有效处理非平衡数据。

关键词：旅游问答问句分类分类体系 bert 自注意力多任务

面向技术识别的专利实体抽取--以类脑智能领域为例

在线全文

学校读者我要写书评

暂无评论

情报杂志 2024年第6期43卷 126-133,144页

作者：邢晓昭苑朋彬陈亮任亮余池中国科学技术信息研究所北京100038

[研究目的]专利实体抽取是基于专利文本的技术识别的基础。目前专利实体抽取任务面临自动化程度和准确率较低等问题,该研究从两方面对此进行改进:一是建立特定领域的高质量专利语料库,二是将先进的算法模型运用到专利实体抽取中。[研究... 详细信息

[研究目的]专利实体抽取是基于专利文本的技术识别的基础。目前专利实体抽取任务面临自动化程度和准确率较低等问题,该研究从两方面对此进行改进:一是建立特定领域的高质量专利语料库,二是将先进的算法模型运用到专利实体抽取中。[研究方法]定义了包含13种实体类型的细粒度信息体系,并据此对921篇类脑智能专利的标题和摘要进行人工标注,此后运用bert-BiLSTM-CRF模型,融合深度学习和机器学习对类脑智能专利实体进行识别。[研究结论]模型在总体上获得0.8的准确率、召回率和F1值,不同类型实体的识别效果具有差异。为了验证模型的性能,设计了几个对比实验。结果显示,微调数据和增加训练规模可以提高模型性能,本模型性能优于同时期一些经典模型。

关键词：专利实体专利文本专利挖掘技术识别深度学习机器学习 bert-BiLSTM-CRF模型

在线全文

学校读者我要写书评

暂无评论

多特征交互的方面情感三元组提取

计算机科学与探索 2024年第4期18卷 1057-1067页

作者：陈林颖刘建华郑智雄林杰徐戈孙水华福建理工大学计算机科学与数学学院福州350118 福建省大数据挖掘与应用技术重点实验室福州350118 闽江学院计算机与控制工程学院福州350108

方面情感三元组提取是方面级情感分析的子任务之一,旨在提取句子中的方面词、其对应的意见词和情感极性。先前研究集中于设计一种新范式以端到端的方式完成三元组提取任务。然而,这些方法忽略外部知识在模型中的作用,没有充分挖掘和利... 详细信息

方面情感三元组提取是方面级情感分析的子任务之一,旨在提取句子中的方面词、其对应的意见词和情感极性。先前研究集中于设计一种新范式以端到端的方式完成三元组提取任务。然而,这些方法忽略外部知识在模型中的作用,没有充分挖掘和利用语义信息、词性信息以及局部上下文信息。针对上述问题,提出了多特征交互的方面情感三元组提取(MFI-ASTE)模型。首先,该模型通过bert预训练模型学习句子中的上下文语义特征信息,并使用自注意力机制加强语义特征;其次,使语义特征与所提取到的词性特征交互,二者相互学习,加强词性的组合能力与语义信息;再次,使用多个不同窗口的卷积神经网络提取每个单词的多重局部上下文特征并使用多分门控机制筛选这些多重局部特征;然后,采用双线性层融合提取到的三类外部知识特征;最后,利用双仿射注意力机制预测网格标记并通过特定的解码方案解码三元组。实验结果表明,该模型在四个数据集上的F1值比现有的主流模型分别提升了6.83%、5.60%、0.54%和1.22%。

关键词：方面情感三元组提取自注意力机制卷积神经网络网格标记方案双仿射注意力机制

在线全文

学校读者我要写书评

暂无评论

融合描述信息和结构特征的知识图谱链接预测

计算机科学与探索 2024年第2期18卷 486-495页

作者：陈加兴胡志伟李茹韩孝奇卢江闫智超山西大学计算机与信息技术学院太原030006 山西大学计算智能与中文信息处理教育部重点实验室太原030006

知识图谱普遍存在知识不完整的问题,这使得链接预测成为知识图谱的重要研究内容。现有模型仅关注三元组的嵌入表示,一方面,在模型的输入仅对实体和关系的嵌入表示进行随机初始化,并未融入实体及关系的描述信息,会缺失语义信息;另一方面... 详细信息

知识图谱普遍存在知识不完整的问题,这使得链接预测成为知识图谱的重要研究内容。现有模型仅关注三元组的嵌入表示,一方面,在模型的输入仅对实体和关系的嵌入表示进行随机初始化,并未融入实体及关系的描述信息,会缺失语义信息;另一方面,在解码时忽略三元组自身结构特征对链接预测结果的影响。针对上述问题,提出一种融合描述信息与结构特征的知识图谱链接预测模型BFGAT。BFGAT模型利用bert预训练模型编码实体和关系的描述信息,并将描述信息融入到实体与关系的嵌入表示中,解决缺失语义信息的问题;在编码过程使用图注意力机制聚合邻接节点的信息,解决目标节点获得更为丰富信息的问题;在解码过程把三元组的嵌入表示拼接成矩阵,采用基于CNN卷积池化的方法,解决三元组结构特征的问题。该模型在公开数据集FB15k-237和WN18RR上进行了详细的实验,实验表明BFGAT模型能有效提高知识图谱链接预测的效果。

关键词：知识图谱链接预测 bert 卷积神经网络(CNN)

在线全文

学校读者我要写书评

暂无评论

基于领域知识微调的缺陷报告严重性预测

计算机科学 2024年第S01期51卷 835-841页

作者：陈冰婷邹卫琴蔡碧瑜刘文杰南京航空航天大学计算机科学与技术学院南京211106

有效预测缺陷报告的严重性,对快速、准确分派缺陷报告,帮助开发人员及时发现并处理软件中的缺陷至关重要。现有主流的基于传统信息检索或通用预训练模型的缺陷报告严重性预测方法,存在忽略上下文语义或缺陷报告特性导致预测效果受限的... 详细信息

有效预测缺陷报告的严重性,对快速、准确分派缺陷报告,帮助开发人员及时发现并处理软件中的缺陷至关重要。现有主流的基于传统信息检索或通用预训练模型的缺陷报告严重性预测方法,存在忽略上下文语义或缺陷报告特性导致预测效果受限的问题。对此,提出一种基于领域知识微调的缺陷报告严重性预测方法。利用能充分考虑文本上下文语义的bert预训练模型,并使用缺陷报告数据对其进行模型微调使其学习到相关的领域知识。微调后的bert模型用于抽取缺陷报告的语义特征,随后使用支持向量机进行严重性预测模型的构建。在Mozilla,Eclipse和Apache选取的共计15个项目上进行的实验表明,在准确率、召回率和F1值上,相较传统的信息检索方法,所提方法分别能提升4.5%~22.0%,3.0%~22.0%,4.0%~22.0%;相较通用bert模型,微调后的bert模型的准确率、召回率和F1值分别能够提高2.0%~5.1%,1.9%~5.1%,1.8%~5.0%。

关键词：词嵌入 bert 预训练模型缺陷报告微调严重性预测