检索结果-南通市图书馆

数字技术与应用 2019年第2期37卷 116-117页

作者：李家乐吴明礼北方工业大学信息学院北京100144

针对非事实类问答任务,本文搭建了带有注意力机制的双向长短时记忆(BiLSTM)网络模型。实验表明,在2016 NLPCC QA任务数据集上,该模型MRR可达到75.12%,优于传统的机器学习方法。

关键词：问题回答深度学习注意力机制双向长短时记忆网络

在线全文

学校读者我要写书评

暂无评论

基于深度学习和CRF的新闻文章的观点提取

电子设计工程 2020年第3期28卷 18-22页

作者：周星瀚刘宇邱秀连武汉邮电科学研究院湖北武汉430000 南京烽火天地通信科技有限公司江苏南京210000

新闻报道中观点能够影响读者的感受,针对目前新闻报道中观点提取缺失的现状。本文提出一种条件随机场(CRF)和深度学习相结合的模型,通过集成深度学习的BiLSTM方法和改进型CRF方法,实现对新闻文章的观点持有者、评价对象和观点极性3种实... 详细信息

新闻报道中观点能够影响读者的感受,针对目前新闻报道中观点提取缺失的现状。本文提出一种条件随机场(CRF)和深度学习相结合的模型,通过集成深度学习的BiLSTM方法和改进型CRF方法,实现对新闻文章的观点持有者、评价对象和观点极性3种实体信息的提取。试验表明:相较于CRF算法,准确率、召回率和F1值平均提高12.29%、10.00%和11.07%。

关键词：深度学习双向长短时记忆网络条件随机场观点提取新闻舆论

基于词嵌入和BiLCNN-Attention混合模型的政务文本分类方法

在线全文

学校读者我要写书评

暂无评论

计算机时代 2023年第6期 92-95,102页

作者：胡文烨许鸿奎郭旭斌赵京政山东建筑大学信息与电气工程学院山东济南250000 山东省智能建筑重点实验室

针对政务文本分析语境复杂、分类准确率低的问题,提出基于BERT词嵌入和BiLCNN-Attention混合模型的文本分类方法。首先采用BERT模型对政务文本进行词嵌入向量表示,然后混合使用双向长短时记忆网络BiLSTM和卷积神经网络CNN,同时引入注意... 详细信息

针对政务文本分析语境复杂、分类准确率低的问题,提出基于BERT词嵌入和BiLCNN-Attention混合模型的文本分类方法。首先采用BERT模型对政务文本进行词嵌入向量表示,然后混合使用双向长短时记忆网络BiLSTM和卷积神经网络CNN,同时引入注意力机制进行特征提取,融合了时序特征及局部特征并使特征得到强化,最后使用Softmax进行文本分类。实验表明,BERT词嵌入处理后混合模型的准确率较CNN和BiLSTM模型分别提升了3.9%和2.51%。

关键词：政务文本分析词嵌入双向长短时记忆网络卷积神经网络注意力机制

在线全文

学校读者我要写书评

暂无评论

基于CRF和深度学习的病历实体识别的研究

南京师范大学学报（工程技术版） 2022年第1期22卷 81-85页

作者：杨荣根王博龚乐君金陵科技学院智能科学与控制工程学院江苏南京211169 南京邮电大学江苏省大数据安全与智能处理重点实验室江苏南京210023

随着电子病历数据量的快速增长,如何深层次、高效率地利用电子病历资源成为越来越迫切需要解决的问题.从真实病历出发,研究电子病历的医学实体识别问题,为计算机更好地辅助医疗奠定基础.通过人工标注的108份心血管科的真实病历数据与3... 详细信息

随着电子病历数据量的快速增长,如何深层次、高效率地利用电子病历资源成为越来越迫切需要解决的问题.从真实病历出发,研究电子病历的医学实体识别问题,为计算机更好地辅助医疗奠定基础.通过人工标注的108份心血管科的真实病历数据与3类特征模板,运用条件随机场和双向长短时记忆网络联合条件随机场对心血管科电子病历疾病命名实体抽取的实验,并进行比较分析.结果表明,结合合适的特征模版,条件随机场模型有更好的抽取性能,是一种较为适用的病历命名实体抽取方法.

关键词：电子病历命名实体抽取条件随机场特征模板双向长短时记忆网络

基于BiLSTM的机场跑道异物探测雷达目标分类方法

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

基于BiLSTM的机场跑道异物探测雷达目标分类方法

基于IMFCC和Fbank双特征融合的说话人识别方法

第十四届全国信号和智能信息处理与应用学术会议

作者：李含清王宏宇王彦华张亮龙腾北京理工大学信息与电子学院雷达技术研究所北京理工大学重庆创新中心

针对机场跑道异物(FOD)探测雷达目标分类问题,提出一种融合自注意力(self-attention)机制的双向长短时记忆网络(BiLSTM)分类方法。将目标实孔径成像结果输入self-attention层,获取目标数据自注意力表征,使模型更加关注对目标分类作用大... 详细信息

针对机场跑道异物(FOD)探测雷达目标分类问题,提出一种融合自注意力(self-attention)机制的双向长短时记忆网络(BiLSTM)分类方法。将目标实孔径成像结果输入self-attention层,获取目标数据自注意力表征,使模型更加关注对目标分类作用大的区域。连接BiLSTM捕捉不同角度HRRP之间的前向及后向信息依赖,实现目标分类。实测数据表明,相比传统方法,融合self-attention机制的BiLSTM网络能够提高分类准确率。

关键词：异物(FOD) 自注意力机制高分辨距离像双向长短时记忆网络

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

基于IMFCC和Fbank双特征融合的说话人识别方法

2021中国自动化大会——中国自动化学会60周年会庆暨纪念钱学森诞辰110周年

作者：赵将焜周后盘刘弘磊周伟东杭州电子科技大学自动化(人工智能)学院

说话人识别是通过提取说话人音频中的声学特征来识别出说话人身份的过程。针对说话人识别中单特征不能完全表征说话人身份信息,以及直接拼接特征带来的特征维度高、存储空间大、训练耗时的问题,提出一种基于IMFCC和Fbank特征的新的融合... 详细信息

说话人识别是通过提取说话人音频中的声学特征来识别出说话人身份的过程。针对说话人识别中单特征不能完全表征说话人身份信息,以及直接拼接特征带来的特征维度高、存储空间大、训练耗时的问题,提出一种基于IMFCC和Fbank特征的新的融合方法。该方法在双向长短时记忆网络(Bi-LSTM)中进行训练,采用广义端到端损失,并在VCTK数据集上进行验证。实验结果表明,该方法的等错误率(EER)达到了2.50%,且相对单独的IMFCC特征、Fbank特征、拼接两种特征分别提升50%、24.92%、57.12%。

关键词：说话人识别 IMFCC Fbank 双向长短时记忆网络端到端

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

基于BERT的文本情感分析

信息安全研究 2020年第3期6卷 220-227页

作者：刘思琴冯胥睿瑞四川大学网络空间安全学院成都610065

现有情感分类模型大都采用Word2Vec,GloVe(global vectors)等获取文本的词向量表示,忽略了词的上下文关系,针对此问题,提出基于BERT(bidirectional encoder representations from transformers)预训练语言模型与双向长短时记忆网络(bidirectional long short-term memory network,BLSTM)及注意力机制相结合的神经网络模型进行文本情感分析.首先通过BERT预训练模型获取包含上下文语义信息的词向量,然后利用双向长短时记忆网络提取上下文相关特征进行深度学习,最后引入注意力机制对提取出的信息分配权重,突出重点信息,进行文本情感分类.在SST(stanford sentiment treebank)数据集上测试准确率可达到88.91%,表明该方法较其他方法在分类准确率上有一定程度的提高.

关键词：文本情感分析 BERT 双向长短时记忆网络注意力机制词向量

在线全文

学校读者我要写书评

暂无评论

基于文本挖掘技术的铁路安监人员履职分析

铁路计算机应用 2019年第10期28卷 30-34页

作者：李新琴马小宁王喆邹丹杨连报中国铁道科学研究院研究生部北京100081 中国铁道科学研究院集团有限公司铁路大数据研究与应用创新中心北京100081

为分析人员工作计划实际落实情况,提供人员考核依据,基于文本挖掘技术进行了铁路安监人员履职分析并设计了文本相似度计算方法。应用双向长短时记忆(BiLSTM)网络与条件随机场(CRF)相结合的BiLSTM-CRF算法实现人员履职计划与写实文本中... 详细信息

为分析人员工作计划实际落实情况,提供人员考核依据,基于文本挖掘技术进行了铁路安监人员履职分析并设计了文本相似度计算方法。应用双向长短时记忆(BiLSTM)网络与条件随机场(CRF)相结合的BiLSTM-CRF算法实现人员履职计划与写实文本中命名实体的抽取,采用基于知网的概念相似度计算方法计算对应实体间相似度,从而实现人员履职计划内容与实际写实的匹配计算。通过对某铁路局安监人员工作计划与写实文本数据的实验分析,得出BiLSTM-CRF算法针对各命名实体均有90%以上的准确率,人员计划与写实匹配准确度为83%。实验证明利用BiLSTM-CRF算法与概念相似度结合的文本计算方法进行人员履职分析具有可行性,也可为铁路领域其他短文本相似性计算提供参考。

关键词：文本相似度双向长短时记忆网络条件随机场命名实体识别概念相似度

基于BERT特征的双向LSTM神经网络在中文电子病历输入推荐中的应用

在线全文

学校读者我要写书评

暂无评论

中国数字医学 2020年第4期15卷 55-57,51页

作者：赵璐偲岁波罗海琼陈旭宋晓霞洪平卫宁健康科技集团股份有限公司 200072 浙江省认知医疗工程技术研究中心 310016 广西医科大学信息与管理学院 530021

目的:针对当前电子病历录入中的便捷性与规范性的双重需求,尝试利用神经网络算法来挖掘病历文本的语言习惯和承接关系,以便嵌入病历录入系统,提高医生输入的效率和质量。方法:设计了基于大数据的电子病历录入推荐工具,对骨创伤科病历文... 详细信息

目的:针对当前电子病历录入中的便捷性与规范性的双重需求,尝试利用神经网络算法来挖掘病历文本的语言习惯和承接关系,以便嵌入病历录入系统,提高医生输入的效率和质量。方法:设计了基于大数据的电子病历录入推荐工具,对骨创伤科病历文本进行清洗构建训练集后做特征编码,采用基于深度学习的BiLSTM网络算法,学习专科专病的语义信息。结果:分别基于BERT特征、独热编码、词向量三种文本表示,针对过往病历数据建立BiLSTM模型,预测下一句文本,结果表明使用BERT预训练模型特征的BiLSTM模型F1-score达到75.23%,且具有实际应用的价值。在专科专病文本推荐的场景下,BERT特征优于独热编码和Word2Vec词向量。

关键词：电子病历文本推荐双向长短时记忆网络

在线全文

学校读者我要写书评

暂无评论

基于CNN与Bi-LSTM的唇语识别研究

软件导刊 2019年第10期18卷 36-39页

作者：骆天依刘大运李修政房国志安欣魏华杰胡城哈尔滨理工大学自动化学院哈尔滨理工大学计算机科学与技术学院哈尔滨理工大学测控技术与通信工程学院黑龙江哈尔滨150080

针对唇语识别过程中唇部特征提取和时序关系存在的问题,提出一种卷积神经网络(CNN)和双向长短时记忆网络(Bi-LSTM)相结合的深度学习模型。利用CNN学习唇部特征,并将学习到的唇部特征送入Bi-LSTM进行时序编码,通过Softmax进行分类。建立N... 详细信息

针对唇语识别过程中唇部特征提取和时序关系存在的问题,提出一种卷积神经网络(CNN)和双向长短时记忆网络(Bi-LSTM)相结合的深度学习模型。利用CNN学习唇部特征,并将学习到的唇部特征送入Bi-LSTM进行时序编码,通过Softmax进行分类。建立NUMBER DATASET和PHRACE DATASET两个大型汉语数据集以解决汉语唇语数据缺失问题。将该模型与传统的唇语识别方法在两个数据集上进行实验对比,发现在NUMBER DATASET上识别准确率为81.3%,比传统方法提高了8.1%,在PHRACE DATASET上识别准确率为83.5%,比传统方法提高了9%。实验结果表明该模型能有效提高唇语识别的准确率。

关键词：唇语识别卷积神经网络双向长短时记忆网络深度学习时序编码