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

基于双向长短时记忆网络的产品画像构建研究

信息与电脑 2019年第22期31卷 22-23,27页

作者：谢琦陈芑伊李雅婷上海立信会计金融学院

属性抽取作为自然语言处理方向的热门任务之一,在电子商务领域也有着较高的应用价值,然而目前传统的特征工程抽取算法,对于电商从业者而言成本过于高昂。针对这一现象,笔者构建了一个中文网购商品属性抽取算法框架,该模型实现了对商品... 详细信息

属性抽取作为自然语言处理方向的热门任务之一,在电子商务领域也有着较高的应用价值,然而目前传统的特征工程抽取算法,对于电商从业者而言成本过于高昂。针对这一现象,笔者构建了一个中文网购商品属性抽取算法框架,该模型实现了对商品属性及评论的自动化抽取,通过双向长短时记忆模型抽取文本序列并输出商品属性,并基于商品属性映射空间向量模型以构建领域知识图谱,获得电子商务平台的产品画像本体。

关键词：属性抽取双向长短时记忆网络知识图谱产品画像网购评论

基于DRSN和优化BiLSTM的轴承剩余寿命预测方法

在线全文

学校读者我要写书评

暂无评论

计算机集成制造系统 2024年第5期30卷 1877-1888页

作者：文井辉伍荣森李帅永韩明秀重庆邮电大学工业物联网与网络化控制教育部重点实验室重庆400065

针对传统轴承寿命预测方法过度依赖先验知识、缺乏自适应性及退化特征难以提取导致的预测误差大的问题,提出一种自适应特征提取的基于深度残差收缩网络(DRSN)和双向长短时记忆网络(BiLSTM)的轴承剩余寿命预测方法。首先,无需任何先验知... 详细信息

针对传统轴承寿命预测方法过度依赖先验知识、缺乏自适应性及退化特征难以提取导致的预测误差大的问题,提出一种自适应特征提取的基于深度残差收缩网络(DRSN)和双向长短时记忆网络(BiLSTM)的轴承剩余寿命预测方法。首先,无需任何先验知识利用DRSN对轴承原始信号进行自动特征学习,提取退化特征并构建健康指标;然后,采用麻雀搜索算法优化BiLSTM隐藏层神经元个数和学习率,基于优化的BiLSTM网络建立轴承剩余寿命预测模型;最后,进行对比实验验证:分别对比DRSN、残差网络、均值特征3种方法提取的健康指标的性能和不同的轴承剩余寿命寿命预测模型进行对比实验。实验结果表明DRSN网络提取的健康指标性能最优,同时基于优化后的BiLSTM轴承剩余寿命预测模型的误差最小,基于优化后BiLSTM、BiLSTM和长短时记忆网络(LSTM)的3种轴承剩余寿命预测模型的均方根误差分别为1.41%、2.71%、5.64%,验证了方法的有效性。

关键词：深度残差收缩网络双向长短时记忆网络剩余寿命预测麻雀搜索算法

基于深度学习融合网络的含噪电能质量扰动识别方法

在线全文

学校读者我要写书评

暂无评论

电力系统保护与控制 2024年第10期52卷 11-20页

作者：王海东程杉徐其平刘烨王灿三峡大学电气与新能源学院湖北宜昌443002 国网浙江省电力有限公司嘉兴供电公司浙江嘉兴314000

针对强噪声环境下电能质量扰动识别精度不高的问题,提出一种自适应小波降噪和深度学习相结合的电能质量扰动识别方法。首先,通过改进峰和比分层自适应阈值和能量优化的阈值函数算法对含噪扰动信号进行降噪处理。然后,通过残差神经网络... 详细信息

针对强噪声环境下电能质量扰动识别精度不高的问题,提出一种自适应小波降噪和深度学习相结合的电能质量扰动识别方法。首先,通过改进峰和比分层自适应阈值和能量优化的阈值函数算法对含噪扰动信号进行降噪处理。然后,通过残差神经网络对降噪后的扰动信号进行深层特征提取,在此基础上融入多头注意力机制下的双向长短时记忆网络,建立时序特征依赖关系,构成适用于噪声环境下的扰动识别框架。最后,在不同强度噪声环境下对20类扰动信号进行仿真实验。由仿真结果可知,该方法具有良好的噪声鲁棒性,在不同噪声环境下均有较高的识别正确率。

关键词：电能质量扰动自适应小波降噪残差神经网络多头注意力双向长短时记忆网络

维普期刊数据库博看期刊

基于BERT-BiLSTM-CRF模型的畜禽疫病文本分词研究

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2024年第2期55卷 287-294页

作者：余礼根郭晓利赵红涛杨淦张俊李奇峰北京市农林科学院信息技术研究中心北京100097 国家数字畜牧业创新中心北京100097 华北电力大学数理学院北京102206

针对畜禽疫病文本语料匮乏、文本内包含大量疫病名称及短语等未登录词问题,提出了一种结合词典匹配的BERT-BiLSTM-CRF畜禽疫病文本分词模型。以羊疫病为研究对象,构建了常见疫病文本数据集,将其与通用语料PKU结合,利用BERT(Bidirectiona... 详细信息

针对畜禽疫病文本语料匮乏、文本内包含大量疫病名称及短语等未登录词问题,提出了一种结合词典匹配的BERT-BiLSTM-CRF畜禽疫病文本分词模型。以羊疫病为研究对象,构建了常见疫病文本数据集,将其与通用语料PKU结合,利用BERT(Bidirectional encoder representation from transformers)预训练语言模型进行文本向量化表示;通过双向长短时记忆网络(Bidirectional long short-term memory network,BiLSTM)获取上下文语义特征;由条件随机场(Conditional random field,CRF)输出全局最优标签序列。基于此,在CRF层后加入畜禽疫病领域词典进行分词匹配修正,减少在分词过程中出现的疫病名称及短语等造成的歧义切分,进一步提高了分词准确率。实验结果表明,结合词典匹配的BERT-BiLSTM-CRF模型在羊常见疫病文本数据集上的F1值为96.38%,与jieba分词器、BiLSTM-Softmax模型、BiLSTM-CRF模型、未结合词典匹配的本文模型相比,分别提升11.01、10.62、8.3、0.72个百分点,验证了方法的有效性。与单一语料相比,通用语料PKU和羊常见疫病文本数据集结合的混合语料,能够同时对畜禽疫病专业术语及疫病文本中常用词进行准确切分,在通用语料及疫病文本数据集上F1值都达到95%以上,具有较好的模型泛化能力。该方法可用于畜禽疫病文本分词。

关键词：畜禽疫病文本分词预训练语言模型双向长短时记忆网络条件随机场

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

面向语法加权图文本的方面情感三元组抽取

北京航空航天大学学报 2024年第2期50卷 409-418页

作者：韩虎孟甜甜兰州交通大学电子与信息工程学院兰州730070

方面情感三元组抽取包括方面抽取、意见抽取和方面情感分类3项任务,以管道方式解决该任务的研究方法无法利用元素之间的交互信息,同时也会造成错误传播和冗余训练。基于此,提出一种基于门控注意力和加权图文本的方面情感三元组抽取方法... 详细信息

方面情感三元组抽取包括方面抽取、意见抽取和方面情感分类3项任务,以管道方式解决该任务的研究方法无法利用元素之间的交互信息,同时也会造成错误传播和冗余训练。基于此,提出一种基于门控注意力和加权图文本的方面情感三元组抽取方法。采用双向长短时记忆网络学习句子的序列特征表示;利用门控注意力单元学习单词之间的线性联系;利用语法距离加权图卷积网络增强三元组元素之间的交互;利用网格标记推理策略预测三元组。在4个公开数据集上进行实验,结果表明:所提方法可以有效增强三元组元素之间的交互,提高三元组抽取的准确率;同时,所提方法的F1值分别为57.94%、70.54%、61.95%和67.66%,与基准模型相比均有所提高。

关键词：三元组抽取门控注意力加权图文本双向长短时记忆网络网格标记

结合全局信息增强的医学领域命名实体识别研究

在线全文

学校读者我要写书评

暂无评论

电子科技大学学报 2024年第3期53卷 431-439页

作者：要媛媛付潇杨东瑛王洁宁郑文太原理工大学计算机科学与技术学院(大数据学院) 晋中030600 中国船舶集团有限公司综合技术经济研究院北京100081 长治医学院山西省智能数据辅助诊疗工程研究中心长治046000

中文医疗问诊文本中,由于口语化的不规则表达和专业术语的频繁出现,药物名称等实体难以被精准地识别出来。为了充分利用中文句子词间关系的重要作用,提出了一种用于增强全局信息的医学命名实体识别模型。模型利用注意力机制增强了词嵌... 详细信息

中文医疗问诊文本中,由于口语化的不规则表达和专业术语的频繁出现,药物名称等实体难以被精准地识别出来。为了充分利用中文句子词间关系的重要作用,提出了一种用于增强全局信息的医学命名实体识别模型。模型利用注意力机制增强了词嵌入表征,并在使用双向长短时记忆网络的序列处理能力获取上下文信息的基础上,同时从两个方面丰富了句子的全局信息表示。其一是根据句法关系获取词语之间额外依赖关系构建了图卷积网络层用于丰富词间的依赖;其二是构建了辅助任务用于预测词间句法依赖关系的类别。在中文医疗问诊数据集上的实验结果表明,模型具有很好的竞争力,F1值达到94.54%。与其他模型相比,在药物和症状等实体类别的识别上取得了明显提高。在微博公开数据集上的实验也表明,模型具有通用领域的应用价值。

关键词：注意力机制双向长短时记忆网络图卷积网络医疗问诊命名实体识别

模型误差影响下基于CNN+BiLSTM神经网络的非圆信号目标直接跟踪算法

在线全文

学校读者我要写书评

暂无评论

电子学报 2024年第4期52卷 1315-1329页

作者：尹洁昕王鼎杨欣杨宾中国人民解放军战略支援部队信息工程大学信息系统工程学院河南郑州450001 国家数字交换系统工程技术研究中心河南郑州450002 郑州大学计算机与人工智能学院河南郑州450001

针对运动观测阵列状态误差与接收频率抖动同时影响下的非圆信号无源跟踪问题,提出了一种基于卷积神经网络(Convolutional Neural Network,CNN)+双向长短时记忆网络(Bi-directional Long Short-Term Memory,BiL⁃STM)的直接跟踪算法.该算... 详细信息

针对运动观测阵列状态误差与接收频率抖动同时影响下的非圆信号无源跟踪问题,提出了一种基于卷积神经网络(Convolutional Neural Network,CNN)+双向长短时记忆网络(Bi-directional Long Short-Term Memory,BiL⁃STM)的直接跟踪算法.该算法首先利用多运动观测阵列信号各频带间的相关性与辐射源信号的非圆特性,建立模型误差影响下的扩展多站观测矢量;接着利用多个观测时隙内扩展多站观测矢量的信号子空间构造空时特征输入序列;然后设计基于CNN与BiLSTM混合神经网络的直接跟踪模型,通过训练实现对非圆目标的轨迹矢量直接估计.本文算法是从原始数据信号子空间中估计轨迹矢量的直接跟踪模式,相比传统“观测参数估计+滤波轨迹跟踪”的两步估计模式,具有更高的估计精度.由于本文算法在神经网络训练过程中学习到模型误差的信息,因此能够实现对多种误差的校正.仿真结果表明,本文算法较传统两步跟踪算法与现有直接跟踪算法均具有更高的轨迹估计精度,能够明显提升模型误差影响下多站协同跟踪的鲁棒性.

关键词：直接跟踪非圆信号模型误差卷积神经网络双向长短时记忆网络

融合特征编码和短语交互感知的隐式篇章关系识别

在线全文

学校读者我要写书评

暂无评论

电子学报 2024年第4期52卷 1377-1388页

作者：王秀利金方焱中央财经大学信息学院北京102206 国家金融安全教育部工程研究中心北京102206

隐式篇章关系识别难度大、普遍性高.从论元编码和论元交互角度入手,提出了一种融合特征编码和短语交互感知的隐式篇章关系识别模型.该模型兼顾了论元本身特征和论元间交互特征的作用,并分别进行了优化.论元编码部分整合了双向长短时记... 详细信息

隐式篇章关系识别难度大、普遍性高.从论元编码和论元交互角度入手,提出了一种融合特征编码和短语交互感知的隐式篇章关系识别模型.该模型兼顾了论元本身特征和论元间交互特征的作用,并分别进行了优化.论元编码部分整合了双向长短时记忆网络和循环注意力卷积神经网络,能够更全面地捕获论元全局和局部特征;论元交互部分从短语层级考虑论元间的语义关系建模,构建了短语级交互注意力机制,并利用神经张量网络深入挖掘其中的关系模式,更能体现出论元间潜在的更深层次的关联关系.在宾州篇章树库数据集上的实验结果表明,该模型F1值均优于其他模型.

关键词：隐式篇章关系识别双向长短时记忆网络循环注意力卷积神经网络短语级交互注意力神经张量网络

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

面向机加工艺规程文本的实体识别模型

计算机辅助设计与图形学学报 2024年第2期36卷 313-320页

作者：董含笑李豫虎乔立红黄志成北京航空航天大学机械工程及自动化学院北京100191

为实现非结构化工艺规程文本中关键信息的高效识别,建立一种基于机加工领域词典和神经网络的命名实体识别模型.首先,结合机加工领域词典与jieba分词技术进行数据集的自动标注,并在对工艺参数信息进行标注的过程中将数字和标志字母划分... 详细信息

为实现非结构化工艺规程文本中关键信息的高效识别,建立一种基于机加工领域词典和神经网络的命名实体识别模型.首先,结合机加工领域词典与jieba分词技术进行数据集的自动标注,并在对工艺参数信息进行标注的过程中将数字和标志字母划分为一个分词单位以增强后续特征提取效果;其次,在word2vec词嵌入的基础上,采用双向长短时记忆网络对文本进行特征提取;最后,采用条件随机场综合上下文逻辑以提高关键工艺信息的识别准确率.在包含431条工步内容的数据集上,对所提模型的识别效果进行实验,结果表明,所提模型的准确率、召回率和F1值分别为90.20%,93.88%和92.00%,在与领域内传统模型的对比上具有一定优势,并使用3个不同工艺规程数据集验证了该模型的鲁棒性.

关键词：双向长短时记忆网络条件随机场命名实体识别知识抽取

同方期刊数据库