检索结果-南通市图书馆

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

一种基于关联规则的中文变体词识别算法

重庆理工大学学报（自然科学） 2018年第3期32卷 178-185页

作者：赵俊杰安徽财经大学工商管理学院安徽蚌埠233030

大量的广告与不良信息常常干扰用户正常使用互联网,甚至会给用户带来损失。由于对广告与不良信息主要采取的是关键词匹配方法来进行识别和过滤,而很多广告和不良信息中使用了变形词,容易造成疏漏,使得识别和过滤效果不理想。为此,通过... 详细信息

大量的广告与不良信息常常干扰用户正常使用互联网,甚至会给用户带来损失。由于对广告与不良信息主要采取的是关键词匹配方法来进行识别和过滤,而很多广告和不良信息中使用了变形词,容易造成疏漏,使得识别和过滤效果不理想。为此,通过对改进后的分词结果进行初步字符匹配识别,可以初步识别出绝大多数疑似变体词。应用对于不同类型采取不同字符匹配的方法,使查全率显著提高,然后对初步识别的结果进一步借助关联词库分析识别,使误判率明显降低。

关键词：关联规则中文变体词识别

在线全文

学校读者我要写书评

暂无评论

基于有效上下文信息的变体词还原方法

计算机应用研究 2019年第6期36卷 1737-1740,1747页

作者：游绩榕沙灜梁棋王斌中国科学院信息工程研究所第二研究室北京100093 中国科学院大学网络空间安全学院北京100049

在社交网络上,用户常创造一些变体词来替代部分实体名词,将这些变体词还原为原目标词是自然语言处理中的一项重要工作。针对现有变体词还原方法准确率不够高的问题,提出了基于有效上下文信息的变体词还原方法。该方法利用点互信息抽取... 详细信息

在社交网络上,用户常创造一些变体词来替代部分实体名词,将这些变体词还原为原目标词是自然语言处理中的一项重要工作。针对现有变体词还原方法准确率不够高的问题,提出了基于有效上下文信息的变体词还原方法。该方法利用点互信息抽取出变体词和候选目标词的有效上下文信息,并将其融合进自编码器模型中,获得变体词和候选目标词更准确的编码,并依据此计算相似度进行候选目标词排序,更准确地实现了变体词还原任务。实验表明,该方法较当前主流的几种方法相比效果有显著提升,提高了变体词还原的准确率。

关键词：变体词变体词还原自编码器有效上下文信息词嵌入神经网络

在线全文

学校读者我要写书评

暂无评论

基于字词联合的变体词规范化研究

计算机系统应用 2017年第10期26卷 29-35页

作者：施振辉沙灜梁棋李锐邱泳钦王斌中国科学院信息工程研究所北京100093 中国科学院大学北京100049

社交网络中的文本具有随意性和非正规性等特点,一种常见现象是社交网络文本中存在大量变体词.人们往往为了避免审查、表达情感等将原来的词用变体词替代,原来的词成为目标词.本文研究变体词的规范化任务,即找到变体词所对应的初始目标词... 详细信息

社交网络中的文本具有随意性和非正规性等特点,一种常见现象是社交网络文本中存在大量变体词.人们往往为了避免审查、表达情感等将原来的词用变体词替代,原来的词成为目标词.本文研究变体词的规范化任务,即找到变体词所对应的初始目标词.本文利用变体词所在文本的时间和语义,结合变体词词性,提出了一种时间和语义结合的方法获取候选目标词,然后提出基于字词联合的词向量方法对候选目标词排序.我们的方法不需要额外的标注数据,实验结果表明,相比于当前最好的方法在准确性上具有一定的提升,针对与目标词存在相同的字的变体词其性能更好.

关键词：变体词变体词规范化社交网络词向量字词联合训练

基于BERT模型的网站敏感信息识别及其变体还原技术研究

在线全文

学校读者我要写书评

暂无评论

现代电子技术 2024年第23期47卷 105-112页

作者：符泽凡姚竟发滕桂法河北农业大学信息科学与技术学院河北保定071001 河北软件职业技术学院软件工程系河北保定071000 河北省高校智能互联装备与多模态大数据应用技术研发中心河北保定071000 河北省数字农业产业技术研究院河北石家庄050021 河北省农业大数据重点实验室河北保定071001

针对各类网站为了避免被检测到敏感信息,网站内的文字常采用变体词对敏感词词库进行规避。为解决这一问题,文中提出一种基于BERT模型结合变体字还原算法的网站敏感信息识别的方法。该方法将针对文本中的变体词进行还原,通过采用BERT模... 详细信息

针对各类网站为了避免被检测到敏感信息,网站内的文字常采用变体词对敏感词词库进行规避。为解决这一问题,文中提出一种基于BERT模型结合变体字还原算法的网站敏感信息识别的方法。该方法将针对文本中的变体词进行还原,通过采用BERT模型对文本内容进行向量化,并将其输入由Bi LSTM层和CNN层构成的模型进行训练,从而实现对网站内敏感信息及其变体词的识别。实验结果显示,变体词还原的正确率较高,通过BERT模型获取的文本向量在文本分类任务中表现出色。与其他模型相比,BERT-Bi LSTM-CNN模型在网站敏感信息识别任务中表现出更高的准确率、召回率和F1值,呈现明显的提升。文中模型为变体词还原问题和敏感信息识别领域提供了参考和支持,具有一定的实际应用价值。

关键词：网站敏感信息变体词 BERT 双向长短期记忆网络卷积神经

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

评《俄汉科技词汇大全》

辞书研究 1997年第3期 97-104页

作者：王毅成大连外语学院外国语言研究所 116001

在线全文

学校读者我要写书评

暂无评论

基于深度学习的垃圾文本过滤方法研究与实现

基于深度学习的垃圾文本过滤方法研究与实现

作者：付羽西安电子科技大学

学位级别：硕士

随着互联网的快速发展,大量的文本数据在互联网上生成和传播。一些不法分子利用网络社交平台的开放性,传播一些涉及敏感,黄暴,诈骗,低俗等垃圾信息,对网络环境造成了极大的影响。虽然目前已经有许多针对垃圾信息的过滤方法,但是由于网... 详细信息

随着互联网的快速发展,大量的文本数据在互联网上生成和传播。一些不法分子利用网络社交平台的开放性,传播一些涉及敏感,黄暴,诈骗,低俗等垃圾信息,对网络环境造成了极大的影响。虽然目前已经有许多针对垃圾信息的过滤方法,但是由于网络语言的随意性,非正规等特点,不法分子为了躲开审查,使用变体词来代替关键词,导致过滤方法效果变得非常有限。以及充斥在网络社交平台的垃圾营销导流广告,亟待对其进行精准识别。因此,垃圾文本的过滤方法有待于做出针对性改良,进一步净化网络环境。本文对垃圾文本过滤技术的发展进行简要的分析,研究总结社交平台垃圾文本的变体词特征和营销导流广告的文本特征,分析目前垃圾文本能逃避过滤技术的原因。提出了一种针对当前垃圾文本特点的改进文本过滤方法。针对变体词导致的分词错误,难以准确表征的问题,搭建基于字粒度的卷积神经网络,避免分词错误产生的影响。通过实验验证了字粒度向量输入在垃圾文本过滤任务上优于词向量。而面对使用字粒度向量出现的文本表征较长,单纯的扩张卷积核的大小会导致模型参数指数级增长的问题,本文通过使用三层不同孔洞率的空洞卷积,增大了卷积核的感受域,减少了模型参数,降低模型的复杂度。本文通过加入注意力机制,在文本的关键特征处给予更大权重,降低掺杂在垃圾文本中的正常文本对分类结果的影响。在此基础上,使用知识蒸馏技术,将因模型参数过多、处理速度太慢而不适用于社交平台低耗时场景的Bert模型知识迁移到CNN-DA模型中。通过实验验证了蒸馏后的CNN-DA模型准确率提升了2.4%,基本达到了与Bert相同的效果,且处理速度远远快于Bert模型。在不降低过滤速度的前提下,非常大幅度的提升了模型过滤垃圾文本的效果。使用爬虫抓取社交平台的文本信息,通过规则过滤及人工筛选的方法构建垃圾文本数据集。基于构建的数据集和垃圾文本过滤方法,在模型训练中调整超参数找出模型最优超参数。设计对比实验验证模型可行性。实验结果表明,在垃圾文本过滤任务上,综合过滤精确度与过滤速度两个性能指标,本文所构建模型表现最优。在低时延要求的社交平台的垃圾文本过滤中有着明显的优势。最后,基于提出的垃圾文本过滤方法,设计并实现了垃圾文本过滤系统。设计接口为平台用户提供文本过滤服务。

关键词：垃圾文本过滤深度学习变体词空洞卷积知识蒸馏

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

基于短文本的域名聚类研究

基于短文本的域名聚类研究

作者：张慧广州大学

学位级别：硕士

域名是用于识别和定位互联网资源的层次化、结构式的字符标识,是重要的互联网基础资源。几乎所有的互联网应用都依赖于具有特定含义的域名作为其访问入口。访问网页时,通常会使用主域名。然而,现代网页包含了大量资源,这些资源需要被加... 详细信息

域名是用于识别和定位互联网资源的层次化、结构式的字符标识,是重要的互联网基础资源。几乎所有的互联网应用都依赖于具有特定含义的域名作为其访问入口。访问网页时,通常会使用主域名。然而,现代网页包含了大量资源,这些资源需要被加载和渲染。为了提升用户的网页访问体验,网页管理者采取了一种策略,即使用大量预先定义的、由他们管理的域名来构建统一资源标识符(Uniform Resource Identifier,URI)。这些预定义域名命名具有一定的动态性,但为了方便分类和管理,它们通常与网页的主域名存在某种关联。为了更有效地构建基于域名的内容监管策略,有必要对这些预定义域名的命名模式进行分析,以实现与主域名的关联。为实现上述想法,本文将预定义域名看成一种特殊的短文本,设计了一种基于短文本的域名聚类模型。具体而言,针对域名组成词很多都属于现有词典未登录词的特点,首先提出了一种新的基于TF-IDF值跃迁的新词发现算法,将该算法用于构建域名组成词词典,再利用该词典对域名数据集完成基于语义的分词;其次,根据分好词的域名构建图网络,识别关于主域名的候选变体词增强域名向量语义表示,再结合深度学习模型和卷积神经网络(Convolutional Neural Networks,CNN)设计了一种基于CBOW-CNN-MORPH(CCM)模型的域名短文本表示方法更好完成域名向量表示。然后采用聚类算法对各预定义域名根据域名向量进行基于其主域名的聚类。最后,本文在公开的数据集上进行了实验,验证了所设计的新算法以及模型的可行性和有效性。

关键词：预定义域名主域名短文本变体词聚类

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

俄语阳性名词单数第二格的特殊词尾

杭州师范学院学报 1991年第5期21卷 110-116页

作者：董燮清

俄语阳性名词单数第二格的标准词尾,应该是-a(—H)形式,如CTO./I—CTO./Ia,ypoK—ypoRa,TpaMBa~一TpaMBaa,My3e9一My3eH等。但有些名词,它们除了具有一般阳性名词所共有的正规词尾之外,还有另一种特殊的-y(-10)形式的变体词尾,而且使用... 详细信息

俄语阳性名词单数第二格的标准词尾,应该是-a(—H)形式,如CTO./I—CTO./Ia,ypoK—ypoRa,TpaMBa~一TpaMBaa,My3e9一My3eH等。但有些名词,它们除了具有一般阳性名词所共有的正规词尾之外,还有另一种特殊的-y(-10)形式的变体词尾,而且使用得相当广泛。现代俄语的三种变格法是从古代的五种变格法发展演变而来的。

关键词：变体词物质名词词尾前置词特殊词现代俄语变格数量意义抽象名词副词

在线全文

学校读者我要写书评

暂无评论

国内英语科技词典中词缀不当问题分析

湛江海洋大学学报 2006年第5期26卷 122-126页

作者：何瑞清广东海洋大学外语学院广东湛江524088

通过对比否定前缀不同的同义词在国内外词典中的收录情况和在剑桥科学文摘自然科学类文摘中的使用次数,并从词源学、形态学和语音学的角度进行分析,指出:国内英语科技词典中存在否定前缀不当的词条;否定前缀un-,尤其是non-被滥用。以英... 详细信息

通过对比否定前缀不同的同义词在国内外词典中的收录情况和在剑桥科学文摘自然科学类文摘中的使用次数,并从词源学、形态学和语音学的角度进行分析,指出:国内英语科技词典中存在否定前缀不当的词条;否定前缀un-,尤其是non-被滥用。以英美词典为参照,发现国内英语科技词典中后缀-ce与-cy相混淆;后缀-ness被滥用。分析了否定前缀不同的同义词单元化的趋势。建议清理词缀“不当”的词条:删除否定前缀“不当”的词条,正确区分后缀不同的同根词在不同学科中的形式和词义。

关键词：词缀“不当” 词条收录词条使用变体词单元化