检索结果-南通市图书馆

数据分析与知识发现 2018年第2期2卷 96-104页

作者：倪维健孙浩浩刘彤曾庆田山东科技大学计算机学院青岛266510

【目的】对现有中文分词方法在领域文献上的分词结果进行调整,以提升领域文献上的分词效果。【方法】对传统中文分词方法处理领域文献的不足进行分析,以此为基础设计一个反映领域文献构词特点的分词指标——词频偏差,并基于该指标提出... 详细信息

【目的】对现有中文分词方法在领域文献上的分词结果进行调整,以提升领域文献上的分词效果。【方法】对传统中文分词方法处理领域文献的不足进行分析,以此为基础设计一个反映领域文献构词特点的分词指标——词频偏差,并基于该指标提出一个无监督的分词结果优化方法。【结果】基于农业领域语料开展实验,结果表明该方法对比ICTCLAS、THULAC和LTP的分词结果 F1值提升2%-3%,并具有实现简单、参数鲁棒性强的特点。【局限】提升召回率方面效果不佳。【结论】基于词频偏差的分词结果优化算法能够有效提升已有分词结果的准确性,且无需领域词表及人工标注语料,具有良好的领域适用性。

关键词：领域文献中文分词分词优化词频偏差

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于Web知识的中文分词结果优化

引用

计算机应用与软件 2015年第12期32卷 55-58页

作者：杨阳魏晓秦成磊上海应用技术学院计算机科学与信息工程学院上海201418

随着人们在互联网上的活动越来越频繁,网络新词不断涌现。现有的中文分词系统对新词的识别效率并不高。对新词的识别效率直接影响分词的精度,也对互联网应用系统的服务质量产生影响。在分词系统分词结果的基础上,提出利用搜索引擎和百... 详细信息

随着人们在互联网上的活动越来越频繁,网络新词不断涌现。现有的中文分词系统对新词的识别效率并不高。对新词的识别效率直接影响分词的精度,也对互联网应用系统的服务质量产生影响。在分词系统分词结果的基础上,提出利用搜索引擎和百度百科等Web知识,结合统计和匹配实现新词识别的方法,进一步实现对系统原始分词结果的优化。实验数据表明,该方法能够有效识别网络新词并实现分词结果的优化。

关键词：中文分词未登录词网络新词搜索引擎分词优化

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于深度学习的领域术语抽取方法研究

基于深度学习的领域术语抽取方法研究

引用

作者：冯鸽英西安电子科技大学

学位级别：硕士

目前,科技期刊中存在大量学术论文领域术语缺失的问题,导致科研学者及相关从业人员无法准确定位领域前沿学术热点、溯源技术发展脉络,严重影响学术的传播与交流。领域术语的识别抽取可以看作是对文本的序列标注,目前,多数研究者均以类... 详细信息

目前,科技期刊中存在大量学术论文领域术语缺失的问题,导致科研学者及相关从业人员无法准确定位领域前沿学术热点、溯源技术发展脉络,严重影响学术的传播与交流。领域术语的识别抽取可以看作是对文本的序列标注,目前,多数研究者均以类似命名实体识别的方法去研究,但由于领域标注样本的缺乏以及应用场景下数据的复杂性,传统模型的精准率、召回率均无法很好地满足期刊实际应用中对特定领域术语抽取的需求。因此,本文提出了一种基于语义特征与词性规则相结合的领域术语抽取模型。针对传统模型语义理解的局限性与抽取结果中边界误标问题,采用了融合全局特征与局部特征的语义特征获取方法,并通过词性组合规则校正识别结果,实现了特定领域术语的精准、全面抽取,提高了领域术语识别的效果,提升了科技期刊学术传播的精准度,缩短科研人员发现学术内容周期,促进学术交流,助力科技创新。本文的研究内容主要包括以下两个方面:(1)针对传统术语识别算法无法获取更深层次的语义理解与远程监督所形成语料质量不高以及漏标注问题,提出了基于BERT的领域术语识别模型。利用BERT提取文本隐形全局语义特征,获得丰富的含有上下文语义信息特征的字向量,对比传统算法提高了术语抽取的整体性能;基于语料质量与漏标问题,提出了融合领域术语词典的分词优化数据增强方法。通过已有部分领域术语词典的指导,提高了训练数据的质量,减少分词过程的误分、错分导致的术语漏标问题,从而使得模型学习到更多的领域特征,有效提高了模型的学习与识别效果。经过实验对比分析,优化后的模型整体性能提升近17%,验证了融合领域术语词典的有效性。(2)针对语料中冗余信息的干扰以及识别结果中误标与术语边界缺失问题,提出了基于局部特征的领域术语识别模型。通过引入卷积神经网络CNN,增加模型对局部重点特征的关注度,避免了过多不相关信息的干扰,提高了模型的召回率;增加基于统计的词性规则校正模块。通过分析领域术语内部词性的组合特征,采用术语词性组合规则对模型识别的结果进行校验与修正,提高了模型识别的准确率,经实验分析,模型准确率提升5%,证明了领域术语抽取中添加规则校正模块的有效性。综合分析本文所提出算法的实验结果,在遥感领域数据中,通过与Bi LSTM＿CRF传统算法对比,验证了新算法的有效性。新算法在精准率、召回率与F1值都有了较大的提升,其中,精准率提升4.6%,F1值提升了20.6%,特别是召回率提升了26.2%。经验证,基于语义特征与词性规则相结合的领域术语抽取模型能够很好地满足期刊的实际应用要求,证明了本文所提出的算法是一种有效的领域术语抽取算法。本文提出的算法已经应用于“科技期刊增值服务”产品中,服务于100余家期刊社与数百万科研学者,助力期刊学术精准推送与传播。

关键词：领域术语识别分词优化术语边界局部特征规则校正

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于文本分类的上海液化气公司客户投诉分析与研究

基于文本分类的上海液化气公司客户投诉分析与研究

引用

作者：柯宇上海第二工业大学

学位级别：硕士

上海液化气公司于2018年成立,负责保障全上海市液化气钢瓶的安全服务供应工作。公司为做好液化气钢瓶服务全流程管理,适应未来信息化发展要求,在成立初期就开发使用了液化气钢瓶客户信息管理系统平台。公司管理人员使用此系统管理平台... 详细信息

上海液化气公司于2018年成立,负责保障全上海市液化气钢瓶的安全服务供应工作。公司为做好液化气钢瓶服务全流程管理,适应未来信息化发展要求,在成立初期就开发使用了液化气钢瓶客户信息管理系统平台。公司管理人员使用此系统管理平台记录液化气钢瓶用户的投诉文本内容,并通过人工分类方式来处理投诉问题。随着时间的推移,液化气钢瓶用户不断增加,订单数量也随之增加,系统管理平台中累积的投诉数量也日益增多。如何对用户的投诉数据实现自动分类,并进行科学、高效、准确的挖掘分析成为急需解决的问题。自然语言处理技术和大数据算法的发展为传统的人工分类处理方式提供了新的方向。本文利用文本分类算法和词共现网络分析法实现对液化气钢瓶用户投诉文本的自动分类和分析研究,有利于提升公司处理相关液化气钢瓶用户投诉问题的准确率、科学性、减少人工成本。提升用户满意度,减少用户流失,助力液化气钢瓶营销。本文以上海液化气公司的实际用户为研究对象,以用户的投诉建议为数据基础,应用自然语言处理算法和大数据技术对用户投诉展开分析研究。本文首先构建液化气行业语料库,其数据来源为:公司内液化气钢瓶业务相关服务文档、政府部门发布的行业政策管理文件和办法、液化气钢瓶服务领域的网站文章和公开的行业文献资料。接下来,结合自由度和凝合度的新词发现方法构建液化气行业专用词典。然后,结合上一步建立好的液化气行业专用词典,用n-gram语言模型和朴素贝叶斯相结合的文本分类算法来构建液化气钢瓶用户投诉文本分类模型,实现对用户投诉意见的自动分类功能。最后分别对不同类别的投诉文本提取关键词,构建投诉关键词共现网络图,实现对不同类别的投诉问题进行可视化展示和关联分析。通过共现网络图可分析不同类别用户投诉问题的核心关键词,进一步分析出投诉发生的原因,确定该类别投诉的核心问题。通过网络分析法可以方便液化气公司管理人员提出针对投诉关键问题的准确整改方案,及时满足用户需求。实验结果对比表明,结合构建好的液化气行业专用词典对液化气钢瓶用户的投诉文本进行分类,相比直接使用传统的文本分类方法准确率更高。验证了此分类方法的有效性和可行性。液化气公司管理人员可以根据用户投诉的分析结果,制定相应的服务解决方法,设计合理、科学、有效的液化气钢瓶管理措施。全方位提升公司自身的管理水平和服务质量,保障液化气钢瓶的供应能力,进一步完善用户服务体验和运营管理效率,提高液化气公司品牌形象。

关键词：客户投诉行业词典分词优化文本分类词共现网络

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

使用无监督学习改进中文分词

引用

小型微型计算机系统 2017年第4期38卷 744-748页

作者：沈翔翔李小勇上海交通大学信息安全工程学院上海200240

针对互联网语料中的未登录词问题,提出一种基于无监督学习的中文分词改进算法.使用基准分词器对未标注的语料进行分词,选择适合于未登录词发现的模型进行无监督训练得到词向量,并使用词向量结果贪心地发现未登录词,修正分词结果.在传统... 详细信息

针对互联网语料中的未登录词问题,提出一种基于无监督学习的中文分词改进算法.使用基准分词器对未标注的语料进行分词,选择适合于未登录词发现的模型进行无监督训练得到词向量,并使用词向量结果贪心地发现未登录词,修正分词结果.在传统中文语料上与互联网语料上,比较了基于字典的字符串匹配模型与基于字符标注的机器学习模型的分词效果.实验结果表明,改进算法可以提升中文分词效果,在互联网语料上的提升效果尤为明显.改进算法在PKU语料上取得了最多1.1%的F值提升,在MSR语料上取得了最多1.2%的F值提升,在互联网语料上取得了最多5%的F值提升.

关键词：中文分词词向量无监督学习未登陆词分词优化互联网语料

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于新词识别和时间跨度的微博热点研究

基于新词识别和时间跨度的微博热点研究

引用

作者：黄晨上海交通大学

学位级别：硕士

微博热点,是在一段时间内微博用户涉及最多的热议焦点。微博热点的研究可以帮助互联网用户及时了解当下的微博热点话题和热门事件,可以帮助企业了解和评测其商品口碑及竞争对手状况,同时也能够使得政府对社会舆情热点有明确的方向把握... 详细信息

微博热点,是在一段时间内微博用户涉及最多的热议焦点。微博热点的研究可以帮助互联网用户及时了解当下的微博热点话题和热门事件,可以帮助企业了解和评测其商品口碑及竞争对手状况,同时也能够使得政府对社会舆情热点有明确的方向把握。因此对于微博热点的研究有广泛的适用性和研究价值。由于微博文本有自由度大、语法不规范、即时性强的特点,因此通过传统的文本分析难以对微博热点进行准确的把握。尤其是一般的分词工具在对微博文本进行分词时效果难以令人满意。本论文使用Hadoop云计算平台对微博进行新词识别,构建新词词典,以对传统工具的分词结果进行优化。本文在识别微博热点词语之后,通过这些词语的时间跨度特征将其分类,分别将代表相同主题的热点词语一一归类。本文最后对微博的情感倾向性进行了研究,利用微博表情符号及CRFs分类器评价微博中包含情感的正负极性。实验后可以看到,本文的微博新词识别实验、微博热点词语识别和分组的实验及微博情感倾向性评价的实验都获得了较好的效果,说明本文提出的方法有不错的实用效果,在今后可以进行更深入的研究。

关键词：热点识别分词优化 Hadoop云计算平台时间跨度特征热点分类

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

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

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

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

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

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：