检索结果-南通市图书馆

基于短文本处理的列控RBC系统故障诊断研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于短文本处理的列控RBC系统故障诊断研究

作者：李阳庆兰州交通大学

学位级别：硕士

RBC(Raidio Block Center,无线闭塞中心)是CTCS-3级列控系统的地面设备,是保证列车高速安全运行的核心设备之一。其发生故障可能影响数百万人的出行安全,而现场工作中RBC系统的故障原因分析及故障类型诊断主要由人工完成,不具备科学性... 详细信息

RBC(Raidio Block Center,无线闭塞中心)是CTCS-3级列控系统的地面设备,是保证列车高速安全运行的核心设备之一。其发生故障可能影响数百万人的出行安全,而现场工作中RBC系统的故障原因分析及故障类型诊断主要由人工完成,不具备科学性的判定过程。目前,利用人工智能方法进行RBC系统故障诊断的相关研究仍较少。因此,本文以列控RBC故障系统追踪记录为初始数据样本,利用短文本处理技术、分布式特征表示和特征词权重计算实现故障文本向量化表示,生成机器可识别的结构化数据;搭建基于DBN(Deep belief network,深度信念网络)和BP(Back Propagation,反向传播)神经网络的故障诊断模型,使用有标签的故障数据训练模型,拟合故障现象与故障类型的映射关系,从而实现列控RBC系统的智能故障诊断。本文主要研究内容包括:(1)短文本处理。列控RBC系统故障记录是由几个词到几十个词的短文本组成,为了挖掘有效信息,利用结巴分词工具对故障文本做分词处理,去除时间、地点、列车号等无关信息,生成能够表征故障文本信息的特征词集合。做分词处理时,由于没有铁路方面的专业词库,为了能得到最佳的特征词集合,故需建立自定义词库。(2)故障特征分布式表示。独热表示和分布式表示是两种最主要的词向量表示方式。由于后者能克服前者特征表示稀疏、容易造成词汇鸿沟等缺点,故本文采用分布式表示方式表征特征词的语义信息。(3)构造故障文本向量。通过比较发现,基于类间集中度和类内分散度的期望交叉熵既能根据所含类别信息的多少给特征词分配权重,又满足在计算权重时特征词在类间距离最大、类内距离最小的目的。因此,本文采用基于类间集中度和类内分散度的期望交叉熵计算特征权重,并分配给相对应的特征词向量,进而构造故障文本向量。(4)搭建故障诊断模型。针对浅层机器学习无法学习数据深层次的特征、削弱了机器学习进行智能诊断的能力等问题,本文采用DBN-BP构建故障诊断模型,利用DBN强大的特征学习能力,提高BP网络的故障诊断性能。以某站列控RBC系统故障文本数据为训练样本,仿真结果表明,本文设计的故障诊断模型的平均正确率达到90.68%,性能稳定。说明本文提出的故障诊断方法能够有效利用故障文本信息,实现列控RBC系统智能故障诊断,降低对人工经验的依赖性。

关键词：列控RBC系统故障诊断短文本处理分布式表示深度信念网络

预算绩效评价中大数据技术的应用 ——以SH市2018年旅游发展专项金预算绩效评价为例

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

预算绩效评价中大数据技术的应用 ——...

作者：庄韦杰内蒙古财经大学

学位级别：硕士

在我国百年未有之大变局的关键时间点,国家正处于加速工业化,并向知识社会转型的重要节点。在调整产业结构的进程中,财政预算的支持不仅可以有效的扶持相关产业的发展,同时也能对产业的发展做出有力的指导,更有利于扶持产业快速发展。... 详细信息

在我国百年未有之大变局的关键时间点,国家正处于加速工业化,并向知识社会转型的重要节点。在调整产业结构的进程中,财政预算的支持不仅可以有效的扶持相关产业的发展,同时也能对产业的发展做出有力的指导,更有利于扶持产业快速发展。因此提高财政预算绩效评价的科学性、实用性和增强财政政策效果在这个时间点上迫在眉睫。现有的预算绩效评价受制于信息收集以及信息处理方法的限制,致使现在预算绩效评价方法存在一些不足。区别于传统的预算绩效评价方式,本文利用定制网络爬虫的方法,爬取预算绩效评价目标的相关在线评论,通过文本情感分析技术实现不同类别方向情感指标情感度的量化。本文在充分挖掘公众真实情感表达的同时,完成评价从定性到定量的转化,同时利用ANP模型建立起指标建的相互关系,使得指标体系更具有科学性。本文在同时参考了多篇预算绩效评价文献、以及在线文本分析服务质量文献的基础上,以财政部《预算绩效评价共性指标体系框架》为基础,结合国内其他省市的评价目标方向,初步构成预算绩效评价指标模型。然后综合在线评论的高频分词分析结果,构建了包含6个维度22个指标的评价模型。为了获取丰富的数据,本文采取了定制性的网络爬虫模式而非采用相关工具的简单爬取。为充分解析文本情感倾向,对文本数据进行分词、词性标注、聚类分析等处理,并利用Snow NLP情感度算法计算出对应主题的情感度来描述相关分词的满意度。然后根据SH市的旅游发展基金的扶持方向,进行满意度指标的定制,得到满意度指标的客观满意度值。利用网络层次模型,通过各个指标之间的相互联系和影响,不同指标的重要程度,构建整体评价体系的权重。最后通过大数据开放平台搜集相关的数据工具以及情感度,结合有关单位发布的旅游基金执行的情况经行对各项指标经行评价,充分表达了评价结果应与政府目标一致且符合公众的满意的理念,并针对分析结果对预算项目提出了改进建议。

关键词：预算绩效评价指标体系短文本处理情感分析网络层次分析法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于上下文重构的短文本情感极性判别研究

自动化学报 2012年第1期38卷 55-67页

作者：杨震赖英旭段立娟李玉鑑北京工业大学计算机学院北京100124

文本对象所固有的多义性,面对短文本特征稀疏和上下文缺失的情况,现有处理方法无法明辨语义,形成了底层特征和高层表达之间巨大的语义鸿沟.本文尝试借由时间、空间、联系等要素挖掘文本间隐含的关联关系,重构文本上下文范畴,提升情感极... 详细信息

文本对象所固有的多义性,面对短文本特征稀疏和上下文缺失的情况,现有处理方法无法明辨语义,形成了底层特征和高层表达之间巨大的语义鸿沟.本文尝试借由时间、空间、联系等要素挖掘文本间隐含的关联关系,重构文本上下文范畴,提升情感极性分类性能.具体做法对应一个两阶段处理过程:1)基于短文本的内在联系将其初步重组成上下文(领域);2)将待处理短文本归入适合的上下文(领域)进行深入处理.首先给出了基于NaiveBayes分类器的短文本情感极性分类基本框架,揭示出上下文(领域)范畴差异对分类性能的影响.接下来讨论了基于领域归属划分的文本情感极性分类增强方法,并将领域的概念扩展为上下文关系,提出了基于特殊上下文关系的文本情感极性判别方法.同时为了解决由于信息缺失所造成的上下文重组困难,给出基于遗传算法的任意上下文重组方案.理论分析表明,满足限制条件的前提下,基于上下文重构的情感极性判别方法能够同时降低抽样误差(Sample error)和近似误差(Approximation error).真实数据集上的实验结果也验证了理论分析的结论.

关键词：舆情分析短文本处理情感计算误差分析遗传算法

基于字符串相似性聚类的网络短文本舆情热点发现技术

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

北京工业大学学报 2010年第5期36卷 669-673页

作者：杨震段立娟赖英旭北京工业大学计算机学院北京100124

将每个短文本文档看成一个由文字、数字和标点构成的字符串,并基于字符串自身的特性直接计算其相似性,在此基础上进行短文本层次化聚类,进而发现网络舆情热点.由于这种方法免去特征提取和文本表示过程,在一定程度上避免了传统方法在短... 详细信息

将每个短文本文档看成一个由文字、数字和标点构成的字符串,并基于字符串自身的特性直接计算其相似性,在此基础上进行短文本层次化聚类,进而发现网络舆情热点.由于这种方法免去特征提取和文本表示过程,在一定程度上避免了传统方法在短文本表示时特征向量稀疏的不足,有效解决了短文本内容聚类问题.实验结果表明,本文提出方法有效.

关键词：舆情分析短文本处理层次聚类

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

基于摘要的论文分类与推荐模型的研究与实现

基于摘要的论文分类与推荐模型的研究与实现

作者：李彦轩北京邮电大学

学位级别：硕士

科研工作者在日常科研活动中往往需要查阅大量的科技论文。所以,快速获取相关研究方向的科技论文成为了科研工作者的普遍需求。于是,对论文的分类和推荐便成为了一个亟待解决的问题。论文摘要是一类极具研究价值的短文本数据。因此,对... 详细信息

科研工作者在日常科研活动中往往需要查阅大量的科技论文。所以,快速获取相关研究方向的科技论文成为了科研工作者的普遍需求。于是,对论文的分类和推荐便成为了一个亟待解决的问题。论文摘要是一类极具研究价值的短文本数据。因此,对摘要这类数据进行短文本处理,并基于摘要实现对论文的分类与推荐便具有了重要的意义。在现阶段,短文本处理问题主要采用卷积神经网络和循环神经网络等深度学习技术来解决。但是,这类方法的缺陷在于对短文本特征空间的挖掘不够充分。所以,本文对现有短文本处理方法进行了研究与改进,在此基础上完成了对基于摘要的论文分类与推荐模型的研究,并实现了科技论文推荐原型系统,主要内容如下.:(1)基于摘要的论文分类模型研究。本文针对现有短文本分类方法的不足,在卷积神经网络中加入了主题向量拼接算法,完成了文本主题信息的引入,从而提出了基于主题的卷积神经网络模型。并且,本文将该模型整合到论文分类模型中,使其解决了现有方法对文本特征空间挖掘不足的问题,取得了更好的分类准确率。(2)基于摘要的论文推荐模型研究。本文提出了基于论文类别的特征工程方法,把在论文分类模型中得到的分类结果以分类特征的形式加入到论文推荐模型中,解决了基于统计和语义的传统特征工程方法在特征提取的广度上具有局限性的问题,提出了具有更高准确率的基于摘要的论文推荐模型。(3)科技论文推荐原型系统的设计与实现。本文基于上述提出的论文分类与推荐模型,实现了一个具有高质量论文推荐功能的科技论文推荐原型系统,完成了对本文所研究的模型的实现和应用验证。综上所述,本文针对基于摘要的论文分类和推荐问题,分析了现有短文本分类与推荐模型的不足,提出了基于摘要的论文分类与推荐模型,设计并实现了科技论文推荐原型系统,并在系统中实现了上述模型。经模型验证实验和系统测试,本文研究的模型在准确率等各指标上要优于现有短文本分类与推荐模型,本文实现的系统可满足用户的功能和非功能需求。

关键词：自然语言处理短文本处理摘要分类与推荐

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

多轮对话语料构建中的离群对话分析

多轮对话语料构建中的离群对话分析

作者：郑桂东哈尔滨工业大学

学位级别：硕士

近年来,伴随着互联网计算机技术的高速发展,各大领域技术开始聚焦人工智能(Artificial Intelligence)技术,引领了一波人工智能信息时代的进步。而智能对话系统作为人工智能中的一个重要表现形式,其引起了工业界以及学术界的广泛关注。然... 详细信息

近年来,伴随着互联网计算机技术的高速发展,各大领域技术开始聚焦人工智能(Artificial Intelligence)技术,引领了一波人工智能信息时代的进步。而智能对话系统作为人工智能中的一个重要表现形式,其引起了工业界以及学术界的广泛关注。然而,构建多轮对话聊天系统需要高质量的海量口语对话语料,以便于训练智能对话系统中的口语语义理解模型等关键技术。对于对话系统中的口语对话语料,一般是从社区论坛(如贴吧、微博等)中获取并且加工而成。尽管社区论坛对话资源丰富,但这些对话往往包含了大量如游戏、购物广告等垃圾信息。此外,一些涉及辱骂等一些敏感话题也需要清除。而离群对话分析为多轮对话语料构建中的重要一环,本文从对话的主题方向切入,主要为分析多轮对话语料中偏离文档主题的句子,进而构造出一种高质量的纯净对话语料库。对于论坛文本,其形式往往长度短小,且内容较少、实时性强,传统方法收效见微。针对上述问题,本文运用了现在广为流行的深度学习技术来对社区对话语料来进行处理,本文主要研究内容包括以下几个方面:(1)首先对网络论坛数据判别文本是否含有偏离主题的句子,然后再从含有偏离主题的对话中定位出离群的句子,此外,本文使用主题分割方法来对多轮对话切分成各个独立的子主题相关对话。(2)对于判别短文本对话中是否包含偏离主题句子时,使用了人工构造对话训练数据分别来对层次门限网络(HGRU)以及层次门限-卷积网络(HGRU-CNN)进行训练,之后在少量人工标注的数据集上进行测试。(3)在判别出包含偏离主题的对话中,本文提出了基于主题-对话匹配门网络以及融合注意力机制的模型来对对话的每一句进行判定,定位出偏离主题的句子,并将其去除。(4)运用了基于主题分割技术的对话划分,使用端到端的网络结构来对对话文本进行切分,使切分后的每一个短文本均关于各个子主题;本文使用了TDT2语料库来对模型进行训练,并将该模型迁移到论坛对话文本中,实验结果经构造的验证集测试,符合预期效果。

关键词：短文本处理深度学习主题分割注意力机制迁移学习

社区问答系统中非事实性问题的答案摘要算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

社区问答系统中非事实性问题的答案摘要算法研究

作者：宋宏亚山东大学

学位级别：硕士

最近几年,我们可以看到,社区问答系统中的用户数量正呈现出高速增长的态势。社区问答系统给用户提供了一个发布问题以及寻找答案的平台,而这个广大的平台中所包含的海量的问题与答案对数据,也逐渐成为了国内外科研人员的新的研究热点。... 详细信息

最近几年,我们可以看到,社区问答系统中的用户数量正呈现出高速增长的态势。社区问答系统给用户提供了一个发布问题以及寻找答案的平台,而这个广大的平台中所包含的海量的问题与答案对数据,也逐渐成为了国内外科研人员的新的研究热点。此前已经有很多论文关注了社区问答系统场景下的多个研究课题,而在本学位论文中,我们关注的主要任务是社区问答系统中的答案摘要问题。虽然大多数之前的研究工作主要关注的是事实性问题,在本学位论文中,我们的工作重点则是非事实性问题。在事实性社区问答系统中,问题通常是寻求一个确定的答案,而问题的答案大多数都是单独的句子,与之不同的是,非事实性问题往往是在寻求看法、观点、意见,因此,非事实性问题通常需要用多个句子、甚至是整篇文章来作为答案。传统的多文档摘要任务主要是针对新闻文章,与之相比,在非事实性社区问答系统中的答案摘要就面临着其独特的挑战:答案句子的简短性、稀疏性,以及答案内容的多样性。为了解决这些挑战,我们提出了一个包含了三个核心要素的、基于稀疏编码的答案摘要策略:答案句子的短文本扩充,句子的向量化表示,以及稀疏编码优化框架。具体来说,通过实体链接和基于问题答案句子排序的策略,我们把一个问题下的每一个答案句子扩展成包含了多个维基百科句子组成的更复杂的表示。在此基础之上,每个句子都通过一个基于短文本的卷积神经网络模型被表示成一个特征向量。之后我们利用这些句子的向量表示,提出了一个稀疏编码的优化框架,通过同时考虑候选答案句子以及辅助的维基百科句子,来评估所有候选句子的独特性得分。在得到了这些候选答案句子的独特性得分之后,基于最大边界相关性算法,我们抽取出得分最高的答案句子,来产生最终的答案摘要。我们在本学位论文中的主要贡献是,通过处理非事实性问题中答案句子的简短性和稀疏性,以及答案内容的多样性这三个问题,我们解决了社区问答系统中非事实性问题的答案摘要问题。另外,我们在一个公开的基准数据集上进行了实验,并与一些当下最新的基准实验方法进行了比较,以评估我们提出的非事实性社区问答系统中的答案摘要方法的性能。相关实验结果不仅证实了我们提出的方法的有效性,而且相较于最新的研究方法,我们提出的方法在ROUGE评价指标上有着显著提升。此外,进一步的实验结果分析,也说明了我们提出的算法具有良好的稳定性和扩展性。

关键词：社区问答系统稀疏编码短文本处理文档摘要

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

网络短文本话题发现与趋势预测研究

网络短文本话题发现与趋势预测研究

作者：王来涛北京工业大学

学位级别：硕士

随着Web2.0技术的发展，互联网用户不再只是简单的信息获取者，而同时成为信息制造者。社交媒体的快速发展，加速了用户的这种身份转变，并形成了自媒体社交群体。由于社交媒体方便、实时的特点，用户制造的信息以短文本为主，并且其数... 详细信息

随着Web2.0技术的发展，互联网用户不再只是简单的信息获取者，而同时成为信息制造者。社交媒体的快速发展，加速了用户的这种身份转变，并形成了自媒体社交群体。由于社交媒体方便、实时的特点，用户制造的信息以短文本为主，并且其数量达到了十亿级以上。随着信息的急剧增长，用户的需求从最初的获取大量信息，变成对信息进行有效的筛选和整合。针对此需求，本文研究并实现了一个短文本话题挖掘系统，首先，在对网络短文本进行预处理的基础上，利用聚类分析技术将相似话题的文本聚类到一个话题簇中。然后，基于提出的话题挖掘模型，实现了网络短文本热点话题发现和趋势预测。经过对网络短文本的聚类分析和话题挖掘，复杂无序的文本整合为完整的话题描述呈现给用户。本文主要工作和创新点如下：首先，研究并实现了一种短文本语义距离计算方法。该方法考虑到短文本的词语和词语结构对文本的语义表达的影响，将语义距离看作是单元语义距离和形式距离的综合。首先，以词为单位，利用《同义词词林扩展版》进行语义扩展，计算短文本的形式距离。其次，基于短文本中的实义单元和非实义单元的不同作用，利用改进的编辑距离算法计算短文本的单元语义距离。最后，利用加权的方法将形式距离和单元语义距离综合为语义距离，并将其应用于网络短文本聚类分析。实验结果表明，改进算法优于传统方法，聚类性能显著提升。其次，本文提出了一种基于文本实义词长度的短文本距离惩罚算法。利用实义词长度对文本距离进行惩罚，以缓解短文本长度差异所造成的计算误差。并根据Zipf s La’w和Heaps Law的对价关系，给出了一种文本中实义词长度的估计方法，提炼出对文本长度进行惩罚的量化依据。实验结果证明，基于实义词长度的短文本距离惩罚算法要优于基于短文本词语长度的惩罚算法。最后，对聚类分析得到的话题簇进行话题挖掘，话题挖掘包括话题发现和趋势预测。话题发现通过分析话题簇中的短文本，得到话题簇的话题描述;趋势预测是基于话题发现得到的话题描述，分析话题的发展趋势，对话题的发展进行预测。本文分析了用户的话题关注模式，建立用户关注模型，发现用户的话题关注模型对话题的发展趋势具有一定的预测能力。此外，本文基于TREC2011微博检索任务提供的Tweets2011语料集，整理tweet信息，并建立了Tweets2011数据库。首先保存了原语料集中每个字段的原始信息，然后根据tweet中的话题标签将语料集进行分类，得到了可以用于短文本分类语料集。最后根据tweet中存在的用户间信息流动关系，建立了可以用于社交网络研究的tweet信息流动表。通过提供公开的数据库，可为相关领域的研究者提供格式规范、信息丰富的研究数据，提高了其研究效率。

关键词：短文本处理语义聚类热点话题挖掘趋势预测