检索结果-南通市图书馆

融合粗糙数据推理的卷积记忆网络文本情感分析

在线全文

学校读者我要写书评

暂无评论

科学技术与工程 2022年第29期22卷 12936-12944页

作者：钟娜周宁靳高雅兰州交通大学电子与信息工程学院兰州730070

为解决现有情感分类算法在特征提取中缺乏对语义关联规则的运用,以及在分词后产生大量与情感预测无关的词,导致挖掘出的特征不具代表性的问题。提出一种融合粗糙数据推理的卷积记忆网络情感分析模型。首先,通过上下文信息使用粗糙数据... 详细信息

为解决现有情感分类算法在特征提取中缺乏对语义关联规则的运用,以及在分词后产生大量与情感预测无关的词,导致挖掘出的特征不具代表性的问题。提出一种融合粗糙数据推理的卷积记忆网络情感分析模型。首先,通过上下文信息使用粗糙数据推理获得文本的情感词集Word2Vec词向量表示,并融合FastText词向量来改进特征向量嵌入层;其次,使用卷积神经网络(convolutional neural network, CNN)拼接双向长短期记忆网络(bi-directional long short-term memory, BiLSTM)提取更深层次的情感特征;最后,加入Attention机制计算权重,筛选显著重要特征。在两个数据集上的实验结果显示,该模型的情感分类准确率与F_(1)值最高可达到84.66%和85.1%,较基线模型中的最高值分别高出2.04%和3.1%,有效提升了情感分类的预测能力。

关键词：粗糙数据推理词向量卷积记忆网络情感分析

基于粗糙数据推理的麻雀搜索算法改进及应用研究

在线全文

学校读者我要写书评

暂无评论

基于粗糙数据推理的麻雀搜索算法改进及应用研究

作者：张嵩霖兰州交通大学

学位级别：硕士

麻雀搜索算法是一种群体智能算法,设计理念来源于自然界中麻雀种群觅食与躲避天敌的行为,具有收敛速度快、求解精度高等特点,一经提出便受到广泛研究。但该算法存在可解释性差、缺乏理论依据、迭代过程中种群多样性下降过快和易于陷入... 详细信息

麻雀搜索算法是一种群体智能算法,设计理念来源于自然界中麻雀种群觅食与躲避天敌的行为,具有收敛速度快、求解精度高等特点,一经提出便受到广泛研究。但该算法存在可解释性差、缺乏理论依据、迭代过程中种群多样性下降过快和易于陷入局部最优等问题。麻雀搜索算法作为连续型群体算法,无法求解离散空间中的问题,导致其发展受到限制。针对上述缺陷,本文提出适当的改进策略,对算法进行了改进与离散化设计,并将算法应用于混合流水车间调度问题中。主要工作内容如下:(1)针对麻雀搜索算法可解释性差、缺乏理论依据、迭代过程中种群多样性下降过快和易于陷入局部最优等问题,提出了一种基于粗糙数据推理的多策略改进麻雀搜索算法。首先结合低差异序列的思想进行种群初始化,增强算法的全局搜索能力,保障粗糙数据推理论域的完整性;然后引入粗糙数据推理理论,结合适应度与距离建立个体间的联系,提高算法收敛速度,增强跳出局部最优的能力,改进麻雀搜索算法在多峰值问题中的不足,提高算法的可解释性;最后对于迭代中的超界个体,在超界的同时将其赋值为边界附近的值而非边界最大或最小值,保证种群的多样性且提高算法收敛速度。通过形式化推理,证明了改进策略的合理性,与其他算法的对比试验阐述了改进算法的优越性。(2)针对麻雀搜索算法无法求解离散问题的缺陷,提出了一种离散麻雀搜索算法。首先根据改变个体信息的多少及算法不同个体的运动方式,将位置更新公式抽象;其次研究离散化算法的设计方式,对比启发式收敛策略的搜索范围、开发与探索能力;最后在保留原算法框架的前提下,为麻雀搜索算法设计新的离散化更新策略,提出离散麻雀搜索算法。(3)改进离散麻雀搜索算法,求解混合流水车间调度问题。首先为混合流水车间调度问题建立适合算法的数学模型,设计编码与解码方式;其次融合逆序变异与粗糙数据推理理论将离散麻雀搜索算法进行改进,扩充搜索策略,提升求解精度;最后利用改进离散麻雀搜索算法求解混合流水车间调度问题,在小规模实际算例与大规模标准测试集上进行仿真实验,证明了改进离散麻雀搜索算法求解混合流水车间调度问题的可行性,相较于其他算法求解精度更高。

关键词：麻雀搜索算法低差异序列粗糙数据推理离散化算法混合流水车间调度

基于神经网络与粗糙数据推理的短文本情感分析研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于神经网络与粗糙数据推理的短文本情感分析研究

作者：钟娜兰州交通大学

学位级别：硕士

快速发展的互联网使得社交网络与各大平台成为数据信息的聚集地,人们如何从海量数据中挖掘出自身所需的信息与价值赋能也是一项挑战。情感分析是自然语言处理领域的重要研究内容,广泛应用于市场营销、政治、金融等领域,具有重要的科研... 详细信息

快速发展的互联网使得社交网络与各大平台成为数据信息的聚集地,人们如何从海量数据中挖掘出自身所需的信息与价值赋能也是一项挑战。情感分析是自然语言处理领域的重要研究内容,广泛应用于市场营销、政治、金融等领域,具有重要的科研价值与社会价值。目前,研究情感分析的主流方法是在深度学习框架下进行的,更聚焦与观点情绪有关的情感语义,需要使用基于句中的词嵌入信息以及模型的搭建来有效挖掘情感信息。除此之外,由于社交网络文本和产品评论通常表现出篇幅短,语法结构不规范,情感表达更丰富等特点。因此,相较于传统的机器学习算法,深度学习更加适合文本的抽象、复杂等特点。本文针对短文本情感分析问题,从以下方面展开了研究。(1)融合粗糙数据推理的卷积记忆网络文本情感分析。为解决现有情感分类算法在特征提取中缺乏对语义关联规则的运用,以及在分词后产生大量与情感预测无关的词,导致挖掘出的特征不具代表性的问题。提出一种融合粗糙数据推理的卷积记忆网络情感分析模型。通过上下文信息使用粗糙数据推理获得文本的情感词集Word2Vec词向量表示,并融合Fast Text词向量来改进特征向量嵌入层。其次使用卷积神经网络拼接双向长短期记忆网络提取更深层次的情感特征。最后加入Attention机制计算权重,筛选显著重要特征。在两个数据集上的实验结果显示,该模型的情感分类准确率与F1值最高可达到84.66%和85.1%,较基线模型中的最高值分别高出2.04%和3.1%,有效提升了情感分类的预测能力。(2)基于混合词嵌入的双通道注意力网络中文文本情感分析。解决传统静态词向量嵌入方法无法有效处理中文文本中出现的一词多义问题,且上下文情感特征和内部语义关联结构难以挖掘。首先在一个通道利用粗糙数据推理将与文本有关的情感元素融入Word2Vec与Fast Text词向量中,CNN提取文本局部特征;其次另一个通道使用BERT进行词嵌入补充,Bi LSTM获取文本全局特征。最后加入注意力计算模块进行双通道特征深层交互。实验在三个中文数据集上准确率最高达到92.43%,较基准模型最高值提升了0.81%。所选用的数据集仅针对粗粒度情感分类建模,尚未考虑在细粒度领域的实验。根据其输出结果判断情感类别,有效提升了模型对中文文本情感分类的性能。(3)基于粗糙数据推理的GCN和方面区域表示的方面级情感分析。目前多数方面级情感分析研究都忽略了方面词与上下文之间的交互关系建模,且基于依存树的图卷积模型高度依赖于依存树的解析质量。针对此问题,提出基于粗糙数据推理的GCN和方面区域表示的方面级情感分析模型(AAS-RGCN),首先使用Bi LSTM提取方面词特征,其次利用GCN根据粗糙数据推理构建文本图结构提取与方面词有语义联系的上下文特征,最后注意力机制学习方面特征与上下文特征间的交互信息来优化分类输出。在数据集上的实验结果表明,其准确率和宏F1值都取得了较基准模型好的分类效果。

关键词：粗糙数据推理词向量情感分析深度学习

基于粗糙数据推理的TextRank关键词提取算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

中文信息学报 2020年第9期34卷 44-52页

作者：周宁石雯茜朱昭昭兰州交通大学电子与信息工程学院甘肃兰州730070

基于图模型的TextRank算法是一种有效的关键词提取算法,在提取关键词时可取得较高准确度。但该算法在构造图的关联边时,所采用的共现窗口规则仅考虑了局部词汇间的关联,并具有较大随意性与不确定性。针对这一问题,该文提出了一种基于粗... 详细信息

基于图模型的TextRank算法是一种有效的关键词提取算法,在提取关键词时可取得较高准确度。但该算法在构造图的关联边时,所采用的共现窗口规则仅考虑了局部词汇间的关联,并具有较大随意性与不确定性。针对这一问题,该文提出了一种基于粗糙数据推理理论的改进TextRank关键词提取算法,粗糙数据推理可扩大关联范围,增加关联数据,得到的结果更加全面。结合粗糙数据推理理论中的关联规则,该文提出的算法做了以下改进:依据词义对候选关键词进行划分;再通过粗糙数据推理对不同分类中候选词间的关联关系进行推理。实验结果表明,与传统的TextRank算法相比,改进后算法的提取精度有了明显的提高,证明了利用粗糙数据推理的思想能有效地改善算法提取关键词的性能。

关键词：粗糙数据推理关键词提取关联规则 TextRank算法

基于粗糙数据推理的文本关键词与摘要抽取算法

在线全文

学校读者我要写书评

暂无评论

基于粗糙数据推理的文本关键词与摘要抽取算法

作者：石雯茜兰州交通大学

学位级别：硕士

互联网的飞速发展使得网络文本数据呈现爆发性的增长。快速发展的互联网在给用户带来便利的同时,也使得用户很难从海量复杂的数据中快速、准确、全面地获取自身所需的信息。文本关键词与摘要抽取作为自然语言处理领域两个重要的研究课题... 详细信息

互联网的飞速发展使得网络文本数据呈现爆发性的增长。快速发展的互联网在给用户带来便利的同时,也使得用户很难从海量复杂的数据中快速、准确、全面地获取自身所需的信息。文本关键词与摘要抽取作为自然语言处理领域两个重要的研究课题,其目的均为生成描述文本主旨的精简内容,从而揭示文本的关键信息。为挖掘文本数据之间潜在的关联,本文在研究关键词与摘要抽取算法的基础上,深入研究了粗糙数据推理理论,重点研究了基于图模型的TextRank排序算法。基于图模型的TextRank算法是一种有效的关键词抽取算法,在抽取关键词时可取得较高的准确度,但其仍有不足。该算法在构造图的关联边时,所采用的共现窗口规则仅考虑了局部词汇间的关联,并具有较大的随意性与不确定性。针对这一问题,本文提出了一种基于粗糙数据推理理论的改进TextRank关键词抽取算法,粗糙数据推理可扩大关联范围,增加关联数据,得到的结果更加全面。结合粗糙数据推理理论中的关联规则,该文提出的算法做了以下改进:依据词义对候选关键词进行划分,再通过粗糙数据推理对不同分类中候选词间的关联关系进行推理。实验结果表明,与传统的TextRank算法相比,改进后算法的抽取精度有了明显地提高,证明了利用粗糙数据推理的思想能有效地改善算法抽取关键词的性能。同时,为使改进的TextRank算法考虑到外部知识对关键词抽取的影响,本文提出了基于粗糙数据推理的词向量聚类TextRank关键词抽取算法。该算法在利用粗糙数据推理挖掘候选词间潜在关联的基础上,又引入Word2Vec模型,利用其训练得到候选词向量进行聚类,并依据聚类结果对候选关键词图的节点进行非均匀的加权,进而使得单文本的外部知识融合到算法中,提高算法的抽取效果。实验结果说明,与现有的很多改进算法相比,该算法的抽取效果有一定的提高。考虑到文本关键词对摘要抽取结果的影响,本文通过对TextRank自动文本摘要算法的研究发现,该算法在进行摘要抽取时仍存在很多不足之处。首先,该算法的抽取结果与文本主题的相关性较差,且现有算法大都未考虑关键词对文本摘要句的影响,同时,算法综合的外部特征也比较片面。为解决上述问题,本文提出基于粗糙数据推理的加权图模型自动文本摘要算法。该算法基于前期对关键词的研究,得到其所需的关键词集,利用LDA主题模型对文本的主题信息进行挖掘,再综合文本的整体结构以及候选句的上下文信息对算法做出改进。实验结果表明,与经典的算法相比,改进的摘要算法的抽取效果更优。

关键词：粗糙数据推理关键词抽取文本摘要 TextRank算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于粗糙数据推理的图像修复算法研究

基于粗糙数据推理的图像修复算法研究

作者：朱昭昭兰州交通大学

学位级别：硕士

随着数字图像处理技术的革新,图像修复技术成为新的研究热点。数字图像修复技术是通过某种计算方法分析破损区域已知像素信息与缺失区域的联系,以某种规则利用已知区域的信息推理修补未知区域,以达到结构上完整、视觉上连通的目的。图... 详细信息

随着数字图像处理技术的革新,图像修复技术成为新的研究热点。数字图像修复技术是通过某种计算方法分析破损区域已知像素信息与缺失区域的联系,以某种规则利用已知区域的信息推理修补未知区域,以达到结构上完整、视觉上连通的目的。图像修复技术在旧照片复原、古文物保护、艺术作品恢复、公安案件侦破以及航空航天拍摄等方面应用广泛。为简化手工修复图像的流程和提高手工修复图像的效率,许多图像修复算法应用而生。为了挖掘图像数据之间潜存在、似存在的联系,本文在研究图像修复算法的基础上,深入研究了粗糙数据推理理论,重点研究了大破损区域修复代表算法Criminisi算法和小破损区域代表算法BSCB算法。Criminisi算法作为优秀的图像修复算法代表,在修复部分破损图像时获得较好的视觉效果,但也有其不足之处。该算法在进行匹配块搜寻时,待修复块提供的信息量较少,进而导致搜索匹配块时可匹配范围小。针对这一问题,本文提出一种基于粗糙数据推理理论的改进Criminisi图像修复算法,粗糙数据推理旨在扩展搜索空间、增加搜索数据、扩大搜索范围、加深搜索深度。本文提出的算法在搜索规则有以下改进:通过图像结构信息将图像内容划分为一个数据域,然后通过粗糙数据推理扩充待修复块信息量,扩大匹配块可寻范围,以此搜索匹配块,修复破损图像。实验结果和数据表明,与经典的Criminisi算法相比,改进后的算法能够扩展匹配块的数据量,搜索到更多数据,获得较好的视觉效果,提高了图像的峰值信噪比。BSCB算法作为小破损区域图像修复的代表算法,其依据偏微分方程和物理学中的热扩散方程将破损区域边缘已知信息迭代传输到缺损区域来修补图像。对BSCB模型研究发现,其在传输过程中引入的Laplace算子采用的点是某一像素周围4个邻点,对像素的表示会有局限性,进而造成修复后边缘模糊的现象。为优化这一问题,本文提出一种基于粗糙数据推理的改进BSCB算法,利用粗糙数据推理空间制定与某一像素相关联的采取规则以期挖掘像素之间的近似关系、衍生关系、拓展关系,选取与某一像素相关性最大的点,从而避免了像素表示的局部性问题。实验结果和数据表明,与经典的BSCB算法相比,改进后的算法传输过程采取的点更能体现图像结构,获得较好的视觉效果,峰值信噪比也从数据层面证实了修复效果的改善。

关键词：图像修补传输与扩散匹配块搜索粗糙数据推理

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于粗糙数据推理的BSCB图像修补算法

激光与光电子学进展 2019年第23期56卷 99-107页

作者：朱昭昭周宁陈永王小刚兰州交通大学电子与信息工程学院

BSCB模型在传输过程中引入Laplace算子时采用的点是某一像素周围4个邻点,对像素的表示会有局限性,进而造成修复后边缘模糊的现象。为优化这一问题,提出一种基于粗糙数据推理的改进BSCB算法,利用粗糙数据推理空间制定与某一像素相关联的... 详细信息

BSCB模型在传输过程中引入Laplace算子时采用的点是某一像素周围4个邻点,对像素的表示会有局限性,进而造成修复后边缘模糊的现象。为优化这一问题,提出一种基于粗糙数据推理的改进BSCB算法,利用粗糙数据推理空间制定与某一像素相关联的采取规则以期挖掘像素之间的近似关系、衍生关系及拓展关系,选取与某一像素相关性最大的点,从而避免像素表示的局部性问题。实验结果表明,与经典的BSCB算法相比,改进后的算法在传输过程中采取的点更能体现图像结构,可获得较好的视觉效果,峰值信噪比也从数据层面证实修复效果的改善。

关键词：图像处理图像修补传输和扩散 Laplace算子粗糙数据推理 BSCB算法

基于粗糙数据推理的Criminisi图像修复算法

在线全文

学校读者我要写书评

暂无评论

激光与光电子学进展 2019年第2期56卷 84-91页

作者：周宁朱昭昭兰州交通大学电子与信息工程学院甘肃兰州730070

Criminisi算法作为优秀的图像修复算法代表,在修复部分破损图像时可获得较好的视觉效果,但该算法在进行匹配块搜寻时,待修复块提供的信息量较少,因此可匹配范围小。针对这一问题,提出了一种基于粗糙数据推理理论的改进Criminisi图像修... 详细信息

Criminisi算法作为优秀的图像修复算法代表,在修复部分破损图像时可获得较好的视觉效果,但该算法在进行匹配块搜寻时,待修复块提供的信息量较少,因此可匹配范围小。针对这一问题,提出了一种基于粗糙数据推理理论的改进Criminisi图像修复算法,粗糙数据推理可以扩展搜索空间,增加搜索数据,扩大搜索范围,加深搜索深度。该算法在搜索规则上有以下改进:通过图像结构信息将图像内容划分为一个数据集,再通过粗糙数据推理扩充待修复块信息量,扩大匹配块可寻范围,以此搜索匹配块,修复破损图像。结果表明,与经典的Criminisi算法相比,改进后的算法能够扩展匹配块的数据量,可搜索到更多数据,获得较好的视觉效果,提高了图像的峰值信噪比。

关键词：图像处理图像修复匹配块搜索粗糙数据推理 Criminisi算法

基于混合词嵌入的双通道注意力网络中文文本情感分析

在线全文

学校读者我要写书评

暂无评论

数据分析与知识发现 2023年第3期7卷 58-68页

作者：周宁钟娜靳高雅刘斌兰州交通大学电子与信息工程学院兰州730070

【目的】解决传统静态词向量嵌入方法无法有效处理中文文本中的一词多义问题和上下文情感特征与内部语义关联结构难以挖掘的问题。【方法】在一个通道利用粗糙数据推理将与文本有关的情感元素融入Word2Vec与FastText词向量中,使用CNN提... 详细信息

【目的】解决传统静态词向量嵌入方法无法有效处理中文文本中的一词多义问题和上下文情感特征与内部语义关联结构难以挖掘的问题。【方法】在一个通道利用粗糙数据推理将与文本有关的情感元素融入Word2Vec与FastText词向量中,使用CNN提取文本局部特征;在另一个通道使用BERT进行词嵌入补充,利用BiLSTM获取文本全局特征。最后加入注意力计算模块进行双通道特征深层交互。【结果】在三个中文数据集上的实验准确率最高达到92.43%,较基准模型最高值提升0.81个百分点。【局限】所选用的数据集仅针对粗粒度情感分类建模,尚未考虑在细粒度领域的实验。【结论】比较本模型与对比模型实验结果,证明了本模型有效提升了中文文本情感分类的性能。

关键词：粗糙数据推理动态词向量注意力机制文本情感分析