检索结果-南通市图书馆

基于DCNNs-LSTM模型的维吾尔语突发事件识别研究

在线全文

学校读者我要写书评

暂无评论

中文信息学报 2018年第6期32卷 52-61页

作者：黎红禹龙田生伟吐尔根.依布拉音赵建国新疆大学软件学院新疆乌鲁木齐830008 新疆大学网络中心新疆乌鲁木齐830046 新疆大学信息科学与工程学院新疆乌鲁木齐830046 新疆大学人文学院新疆乌鲁木齐830046

结合对维吾尔语语言的特点分析,该文提出一种基于深度卷积神经网络(deep convolutional neural networks,DCNNs)联合长短期记忆网络(long-short term memory,LSTM)实现的维吾尔语文本突发事件识别方法。该方法提取突发事件包含六大特征... 详细信息

结合对维吾尔语语言的特点分析,该文提出一种基于深度卷积神经网络(deep convolutional neural networks,DCNNs)联合长短期记忆网络(long-short term memory,LSTM)实现的维吾尔语文本突发事件识别方法。该方法提取突发事件包含六大特征块,并在特征集中引入富含词汇语义及上下文位置关系的Word Embedding,利用DCNNs对黏着性语言特征抽象化的学习能力抽取事件句中的高阶局部特征,以此作为LSTM网络的输入,利用其对于事件句中抽象含义序列关系的捕获特性获取全局特征,训练Softmax分类器完成维吾尔语突发事件的识别任务。该方法在维吾尔语突发事件识别中的准确率达到80.60%,召回率81.39%,F值80.99%。实验结果表明,与不同层数的DCNNs和独立的LSTM网络相比,DCNNs-LSTM模型更具备挖掘隐含上下文深层语义信息的能力,对Word Embedding特征项的引入有效地提高了模型识别性能。

关键词：维吾尔语突发事件识别深度卷积神经网络长短期记忆网络 word embedding

基于深度信念网络的维吾尔语事件伴随关系识别

在线全文

学校读者我要写书评

暂无评论

中文信息学报 2018年第5期32卷 65-73页

作者：胡伟禹龙田生伟吐尔根.依布拉音冯冠军艾斯卡尔.艾木都拉新疆大学软件学院新疆乌鲁木齐830008 新疆大学网络中心新疆乌鲁木齐830046 新疆大学信息科学与工程学院新疆乌鲁木齐830046 新疆大学人文学院新疆乌鲁木齐830046

维吾尔语事件伴随关系是维吾尔语语言中常见且重要的关系之一。结合对维吾尔语语言特点的研究,该文提出一种基于深度信念网络的维吾尔语事件伴随关系识别方法,根据维吾尔语语言特性和事件伴随关系的特点,抽取12项基于事件结构信息的特征... 详细信息

维吾尔语事件伴随关系是维吾尔语语言中常见且重要的关系之一。结合对维吾尔语语言特点的研究,该文提出一种基于深度信念网络的维吾尔语事件伴随关系识别方法,根据维吾尔语语言特性和事件伴随关系的特点,抽取12项基于事件结构信息的特征;同时充分利用事件对所对应的两个触发词之间的语义信息,引入Word Embedding计算两个触发词之间的语义相似度。而后融合两类特征作为DBN模型的输入进行训练,最后将训练结果作为softmax分类器的输入实现维吾尔语事件伴随关系的识别。该方法用于维吾尔语事件伴随关系的识别准确率P为81.89%、召回率R为84.32%、F1值为82.48%。实验结果表明,与支持向量机方法相比,基于DBN模型的方法取得更好的识别效果。

关键词：伴随关系维吾尔语深度信念网络词向量 softmax分类器

基于栈式降噪自编码和词嵌入表示的维吾尔语零指代消解

在线全文

学校读者我要写书评

暂无评论

中文信息学报 2018年第5期32卷 56-64页

作者：秦越禹龙田生伟冯冠军吐尔根.依布拉音艾斯卡尔.艾木都拉赵建国新疆大学信息科学与工程学院新疆乌鲁木齐830046 新疆大学网络中心新疆乌鲁木齐830046 新疆大学软件学院新疆乌鲁木齐830008 新疆大学人文学院新疆乌鲁木齐830046

针对维吾尔语零指代现象,提出采用栈式降噪自编码的深度学习机制进行维吾尔语零指代消解。首先由大规模无标注维吾尔语语料训练得到富含语义和句法信息的词嵌入表示,将其作为候选先行语和缺省零代词的语义特征;其次根据维吾尔语语言特点... 详细信息

针对维吾尔语零指代现象,提出采用栈式降噪自编码的深度学习机制进行维吾尔语零指代消解。首先由大规模无标注维吾尔语语料训练得到富含语义和句法信息的词嵌入表示,将其作为候选先行语和缺省零代词的语义特征;其次根据维吾尔语语言特点,抽取14项针对零指代消解任务的手工设计特征;然后融合word embedding特征和14项hand-crafted特征作为栈式降噪自编码的输入,最后经过无监督逐层贪婪的预训练和有监督的微调过程,使用softmax进行分类完成维吾尔语零指代消解任务。实验结果表明,与传统栈式自编码、浅层机器学习的支持向量机和人工神经网络相比,栈式降噪自编码的F值分别提高了4.450%、10.032%和8.140%,实验结果验证了该方法的有效性及栈式降噪自编码在任务中具备挖掘高层面鲁棒性语义特征的优势。

关键词：维吾尔语零指代消解栈式降噪自编码词嵌入表示

结合注意力机制的Bi-LSTM维吾尔语事件时序关系识别

在线全文

学校读者我要写书评

暂无评论

东南大学学报（自然科学版） 2018年第3期48卷 393-399页

作者：田生伟胡伟禹龙吐尔根.依布拉音赵建国李圃新疆大学软件学院乌鲁木齐830008 新疆大学信息科学与工程学院乌鲁木齐830046 新疆大学中国语言学院乌鲁木齐830046

针对维吾尔语事件时序关系识别问题,提出了一种结合注意力机制的双向长短时记忆模型.基于维吾尔语语言及事件时序关系的特点,抽取13项基于事件间内部结构信息的特征.将词向量作为双向长短时记忆模型的输入,挖掘给定事件句隐含的上下文... 详细信息

针对维吾尔语事件时序关系识别问题,提出了一种结合注意力机制的双向长短时记忆模型.基于维吾尔语语言及事件时序关系的特点,抽取13项基于事件间内部结构信息的特征.将词向量作为双向长短时记忆模型的输入,挖掘给定事件句隐含的上下文语义信息.结合事件触发词建立注意力机制,获取该事件句的事件语义特征.将事件内部结构特征和语义特征相融合,作为softmax层的输入,进而完成事件时序关系的识别.实验结果表明,该方法在获取事件句隐含语义信息的同时也能获取对应的事件语义特征.融合事件内部结构特征后,识别准确率为89.42%,召回率为86.70%,衡量模型整体性能的F值为88.03%,从而证明了该方法在维吾尔语事件时序关系识别任务上的有效性.

关键词：维吾尔语时序关系注意力机制双向长短时记忆网络词向量

基于双向LSTM的维吾尔语事件因果关系抽取

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2018年第1期40卷 200-208页

作者：田生伟周兴发禹龙冯冠军艾山.吾买尔李圃新疆大学软件学院乌鲁木齐830046 新疆大学网络中心乌鲁木齐830046 新疆大学人文学院乌鲁木齐830046 新疆大学信息科学与工程学院乌鲁木齐830046 新疆大学语言学院乌鲁木齐830046

针对传统方法不能有效抽取维吾尔语事件因果关系的问题,该文提出一种基于双向LSTM(Bidirectional Long Short-Term Memory,Bi LSTM)的维吾尔语事件因果关系抽取方法。通过对维吾尔语语言以及事件因果关系特点的研究,提取出10项基于事件... 详细信息

针对传统方法不能有效抽取维吾尔语事件因果关系的问题,该文提出一种基于双向LSTM(Bidirectional Long Short-Term Memory,Bi LSTM)的维吾尔语事件因果关系抽取方法。通过对维吾尔语语言以及事件因果关系特点的研究,提取出10项基于事件内部结构信息的特征;同时为充分利用事件语义信息,引入词嵌入作为Bi LSTM的输入,提取事件句隐含的深层语义特征并利用批样规范化(Batch Normalization,BN)算法加速Bi LSTM的收敛;最后融合这两类特征作为softmax分类器的输入进而完成维吾尔语事件因果关系抽取。实验结果表明,该方法用于维吾尔语事件因果关系的抽取准确率为89.19%,召回率为83.19%,F值为86.09%,证明了该文提出的方法在维吾尔语事件因果关系抽取上的有效性。

关键词：语言信号处理事件因果关系维吾尔语双向LSTM 词嵌入批样规范化

独立RNN和胶囊网络的维吾尔语事件缺失元素填充

在线全文

学校读者我要写书评

暂无评论

自动化学报 2021年第4期47卷 903-912页

作者：王县县禹龙田生伟王瑞锦新疆大学软件学院乌鲁木齐830008 新疆大学网络中心乌鲁木齐830046 电子科技大学信息与软件工程学院成都610054

提出了注意力机制独立循环神经网络和胶囊网络并行的维吾尔语事件缺失元素填充模型(Att_IndRNN_CapsNet).首先,抽取18项事件和事件元素的内部特征,作为结合注意力机制的独立循环神经网络模型的输入,进一步获取高阶特征;同时,引入词嵌入... 详细信息

提出了注意力机制独立循环神经网络和胶囊网络并行的维吾尔语事件缺失元素填充模型(Att_IndRNN_CapsNet).首先,抽取18项事件和事件元素的内部特征,作为结合注意力机制的独立循环神经网络模型的输入,进一步获取高阶特征;同时,引入词嵌入技术将事件触发词和候选元素映射为词向量,通过胶囊网络挖掘事件和事件元素的上下文语义特征;然后,将两种特征融合,作为分类器的输入,进而完成事件缺失元素的填充.实验结果表明,该方法用于维吾尔语事件缺失元素填充准确率为86.94%,召回率为84.14%,衡量模型整体性能的F1值为85.52%,从而证明了该方法在维吾尔语事件缺失元素填充上的有效性.

关键词：注意力机制胶囊网络事件抽取独立循环神经网络缺失元素填充

基于深度强化学习的维吾尔语人称代词指代消解

在线全文

学校读者我要写书评

暂无评论

电子学报 2020年第6期48卷 1077-1083页

作者：杨启萌禹龙田生伟艾山·吾买尔新疆大学信息科学与工程学院新疆乌鲁木齐830046 新疆大学网络中心新疆乌鲁木齐830046 新疆大学软件学院新疆乌鲁木齐830046

针对深度神经网络模型仅学习当前指代链语义信息忽略了单个指代链识别结果的长期影响问题,提出一种结合深度强化学习(deep reinforcement learning)的维吾尔语人称代词指代消解方法.该方法将指代消解任务定义为强化学习环境下顺序决策过... 详细信息

针对深度神经网络模型仅学习当前指代链语义信息忽略了单个指代链识别结果的长期影响问题,提出一种结合深度强化学习(deep reinforcement learning)的维吾尔语人称代词指代消解方法.该方法将指代消解任务定义为强化学习环境下顺序决策过程,有效利用之前状态中先行语信息判定当前指代链指代关系.同时,采用基于整体奖励信号优化策略,相比于使用损失函数启发式优化特定的单个决策,该方法直接优化整体评估指标更加高效.最后在维吾尔语数据集进行实验,实验结果显示,该方法在维吾尔语人称代词指代消解任务中的F值为85.80%.实验结果表明,深度强化学习模型能显著提升维吾尔语人称代词指代消解性能.

关键词：强化学习指代消解维吾尔语词向量深度学习自然语言处理

在线全文

学校读者我要写书评

暂无评论

维吾尔语名词短语待消解项识别

中文信息学报 2017年第5期31卷 92-98,113页

作者：陶豆豆禹龙田生伟赵建国吐尔根.依布拉音艾斯卡尔.艾木都拉新疆大学软件学院新疆乌鲁木齐830008 新疆大学网络中心新疆乌鲁木齐830046 新疆大学人文学院新疆乌鲁木齐830046 新疆大学信息科学与工程学院新疆乌鲁木齐830046

针对维吾尔语名词短语待消解项识别任务,该文提出一种利用栈式非负约束自编码器(Stacked Nonnegative Constrained Autoencoder,SNCAE)完成基于语义特征的待消解项识别方法。为了提高自动编码器隐藏层激活度的稀疏性和重构数据的质量,利... 详细信息

针对维吾尔语名词短语待消解项识别任务,该文提出一种利用栈式非负约束自编码器(Stacked Nonnegative Constrained Autoencoder,SNCAE)完成基于语义特征的待消解项识别方法。为了提高自动编码器隐藏层激活度的稀疏性和重构数据的质量,利用NCAE非负约束算法,为连接权值施加非负性约束。通过分析维吾尔语名词短语语言指代现象,提取出15个特征,利用SNCAE提取出深层语义特征,引入Softmax分类器,进而完成待消解项识别任务。该方法在维吾尔语名词短语待消解项识别中,正例准确率和负例准确率分别比SVM高出8.259%和4.158%,比栈式自编码(SAE)高出1.884%和1.590%,表明基于SNCAE的维吾尔语名词短语待消解项识别方法比SVM和SAE更适合维吾尔文的待消解项识别任务。

关键词：待消解项识别维吾尔语非负约束算法栈式自编码支持向量机

基于Bi-LSTM的维吾尔语人称代词指代消解

在线全文

学校读者我要写书评

暂无评论

电子学报 2018年第7期46卷 1691-1699页

作者：田生伟秦越禹龙吐尔根.依布拉音冯冠军新疆大学软件学院新疆乌鲁木齐830008 新疆大学信息科学与工程学院新疆乌鲁木齐830046 新疆大学网络中心新疆乌鲁木齐830046 新疆大学人文学院新疆乌鲁木齐830046

针对维吾尔语人称代词指代现象,提出利用双向长短时记忆网络(Bi-directional long short term memory,Bi-LSTM)的深度学习机制进行基于深层语义信息的维吾尔语人称代词指代消解.首先将富含语义和句法信息的word embedding向量作为Bi-LST... 详细信息

针对维吾尔语人称代词指代现象,提出利用双向长短时记忆网络(Bi-directional long short term memory,Bi-LSTM)的深度学习机制进行基于深层语义信息的维吾尔语人称代词指代消解.首先将富含语义和句法信息的word embedding向量作为Bi-LSTM的输入,挖掘维吾尔语隐含的上下文语义层面特征;其次对维吾尔语人称代词指代现象进行探索,提取针对人称代词指代研究的24个hand-crafted特征;然后利用多层感知器(multilayer perception,MLP)融合Bi-LSTM学习到的上下文语义层面特征与hand-crafted特征;最后使用融合的两类特征训练softmax分类器完成维吾尔语人称代词指代消解任务.实验结果表明,充分利用两类特征的优势,维吾尔语人称代词指代消解的F1值达到76.86%.实验验证了Bi-LSTM与单向LSTM、浅层机器学习算法的SVM和ANN相比更具备挖掘隐含上下文深层语义信息的能力,而hand-crafted层面特征的引入,则有效提高指代消解性能.

关键词：指代消解双向长短时记忆网络词向量深度学习维吾尔语自然语言处理