检索结果-南通市图书馆

计算机与现代化 2024年第9期 33-37,44页

作者：马钰杨勇任鸽帕力旦·吐尔逊新疆师范大学计算机科学技术学院新疆乌鲁木齐830054

作文自动评分是智慧教育领域的重要研究方向之一。它具有提高评分效率、降低人工成本以及确保评分客观性和一致性的优势,因此在教育领域有着广泛的应用前景。尽管句法特征在作文自动评分中扮演着重要角色,但目前仍缺乏关于如何更好地利... 详细信息

作文自动评分是智慧教育领域的重要研究方向之一。它具有提高评分效率、降低人工成本以及确保评分客观性和一致性的优势,因此在教育领域有着广泛的应用前景。尽管句法特征在作文自动评分中扮演着重要角色,但目前仍缺乏关于如何更好地利用这些特征进行作文自动评分的研究。本文提出一种基于GCN和微调bert的作文自动评分方法GFTB。该模型采用图卷积网络提取作文的句法特征,采用bert和Adapter的训练方式提取作文的深层语义特征,同时采用门控机制进一步捕捉二者融合后的语义特征。实验结果表明,本文提出的GFTB模型在公共数据集ASAP的8个子集上取得了较好的平均性能,相比于通义千问等基线模型,能够有效提升作文自动评分的性能。

关键词：作文自动评分图神经网络微调bert 特征融合

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

基于图卷积神经网络的文本分类方法研究

基于图卷积神经网络的文本分类方法研究

引用

作者：康瑞燕山大学

学位级别：硕士

随着互联网日新月异的发展,每天都会产生大量的文本数据,如何对文本高效准确分类成为很多专家关心的课题。文本分类的核心思想是从文本中提取出更多的有效特征,根据特征的不同将文本分到对应的类别。最近将图卷积神经网络研究引入到文... 详细信息

随着互联网日新月异的发展,每天都会产生大量的文本数据,如何对文本高效准确分类成为很多专家关心的课题。文本分类的核心思想是从文本中提取出更多的有效特征,根据特征的不同将文本分到对应的类别。最近将图卷积神经网络研究引入到文本分类的研究日益增多,图卷积神经网络对中心节点和邻居节点的信息融合可捕获更多的文本特征,进而提高文本分类准确率。目前基于图卷积神经网络的文本分类方法还存在很多问题,例如:异构图的构建过于简单,图卷积神经网络无法充分提取文本信息的问题;中心节点对于邻居节点权重分配均等,无法从重要邻居节点获取更多有效信息的问题;文本图中所有单词在不同文本中词向量表示相同,无法独身定制的问题。这些问题在一定程度上限制了图卷积神经网络文本分类的能力。针对上述问题,本文将开展以下研究:首先,针对异构图的构建,本文提出了新型的文本数据关联方法(WWAWD)。将文本和单词作为图中的节点,使用T＿word2vec方法搭建单词和文本节点之间的连接,对于单词和单词节点之间的连接使用D-PMI方法。使得异构图中的节点连接丰富,能够存储更多的特征信息。针对中心节点与邻居节点的权值再次分配问题,本文提出GCN＿ATT模型,引入图注意力机制,为中心节点的重要邻居节点分配更高的权重,抑制低效邻居节点。GCN＿ATT就可以在训练时提取更多的文本信息,捕获更多的特征信息。其次,针对文本图中文本和单词采用静态向量表示,导致不同类型的文本单词特征表示相同,导致一些文本信息挖掘不充分等问题。本文提出了图卷积神经网络和bert模型相结合的bert＿GCN文本分类方法。利用bert模型对文本数据的微调获得文本独有的特征表示,将bert提取到的文本向量输入到图卷积神经网络中,对特征充分提取。图神经网络中对文本信息进行捕获融合,从而达到更好的分类结果。最后,采用五个国际上通用的包含新闻、医学和电影评论等类别的文本数据集对所提算法进行验证。采用准确率和F1值作为评价指标,得出上述模型的分类能力,并与其它文本分类方法进行比较,验证本文提出的模型的优越性。

关键词：文本分类图卷积网络异构图图注意力机制微调bert

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

基于分层多视角总结的图文匹配方法研究

基于分层多视角总结的图文匹配方法研究

引用

作者：詹圳宇山东大学

学位级别：硕士

随着计算机科学与技术领域的发展,尤其是在图片和文本信息数量呈井喷式增长的当下,多模态检索和分析作为最为火热的话题之一,同样是图文匹配领域的焦点,受到诸多学者的青睐。在过去的几年中,针对图文匹配任务,如何有效地缩小视觉模型和... 详细信息

随着计算机科学与技术领域的发展,尤其是在图片和文本信息数量呈井喷式增长的当下,多模态检索和分析作为最为火热的话题之一,同样是图文匹配领域的焦点,受到诸多学者的青睐。在过去的几年中,针对图文匹配任务,如何有效地缩小视觉模型和文本模型之间的语意差距并准确评估图像与文本之间的语义相似度成为一个热点研究问题。虽然现有许多相关工作,但仍然存在局限性:1)相当一部分工作都或多或少地忽视了对视觉信息进行多视角描述;2)语意复杂性对模型检索和匹配工作的干扰。因此,受到上述问题的困扰,如何将一张给定的图片和多个文本表述相匹配,也就是在特征空间中将二者进行对齐就显得十分困难。为了解决上述问题,本文提出基于分层多视角总结的图文匹配方法(CAMERA++)。首先,该方法使用基于自注意力的自适应的门控机制来捕获局部视觉区域特征和文本中的特征信息,自适应地挖掘上下文信息,从更为细粒度的特征层面控制内部信息流的流通。其次,该方法以分层的方式从多个视角中总结基于上下文信息强化后的局部视觉区域特征,将局部视觉区域层面的特征聚合到图片层面的特征。在这之后,该方法同样以分层的方式,利用多样性正则化来减少分层多视角之间的信息冗余。不仅如此,该方法还对模态信息在特征空间中的分布进行了更多思考,通过将模态特征空间理论分布与实际分布进行拟合,来约束模型的训练过程并增强模型的鲁棒性。最后,该方法将预先训练完毕的bert中的部分参数解冻,对其进行微调,以强化文本分支特征的表现能力。本文所提出的方法在两个公开的大型数据集上进行了充分而完备的实验,以验证该方法的真实性和有效性。

关键词：分层多视角总结分层多样性正则化分布拟合微调bert

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

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

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：