检索结果-南通市图书馆

火力与指挥控制 2022年第8期47卷 103-108页

作者：祖月芳凌海风陆军工程大学野战工程学院南京210004 解放军96761部队河南三门峡472100

基于当前装备故障诊断的现状,装备故障和维修经验在装备故障诊断过程中形成的数据越来越多,装备故障文本的合理有效表示是进行装备故障辅助诊断的首要条件。结合装备故障文本的特点,提出了一种基于迁移学习思想的装备领域词向量训练方法... 详细信息

基于当前装备故障诊断的现状,装备故障和维修经验在装备故障诊断过程中形成的数据越来越多,装备故障文本的合理有效表示是进行装备故障辅助诊断的首要条件。结合装备故障文本的特点,提出了一种基于迁移学习思想的装备领域词向量训练方法,以腾讯词向量作为初始向量进行了装备领域的词向量训练。实验表明,该方法较自主训练提高了词性语义的关联性,较腾讯词向量具备装备领域的针对性。

关键词：表示迁移学习装备领域腾讯词向量词向量训练

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

基于内积加密的隐私保护词向量训练算法的研究

基于内积加密的隐私保护词向量训练算法的研究

引用

作者：李镇安桂林电子科技大学

学位级别：硕士

近年来,随着Io T与AI技术的进步,机器学习在包括电子商务、图像识别、健康分析和行为分析等的许多行业中得到了应用并取得了不错的成果。这种成功的核心是使用了大规模的优质数据对模型训练。当前,词向量训练面临着严峻的隐私保护安全问... 详细信息

近年来,随着Io T与AI技术的进步,机器学习在包括电子商务、图像识别、健康分析和行为分析等的许多行业中得到了应用并取得了不错的成果。这种成功的核心是使用了大规模的优质数据对模型训练。当前,词向量训练面临着严峻的隐私保护安全问题:Word2Vec是一种词向量训练的算法,训练数据越丰富,词向量精确度就越高。然而,在机器学习中训练词向量需要大量的数据集进行训练,但其中一些数据集可能包含隐私和敏感信息,训练阶段会导致训练模型和用户数据集的暴露。为了向用户提供可用的、合理的和个性化的方案,这个过程通常还会侵犯他们的隐私。例如,用户数据可能包含面部、虹膜和个人身份等。由于法律问题、竞争优势和隐私问题,从多个来源收集数据被证明是一项比较困难的任务。并且,集中收集的数据可能在数据所有者不知情的情况下被永久存储和使用,但这些数据集中的一部分可能会包含隐私及敏感资料,从而阻碍优质模型的训练。内积加密和同态加密作为一种新出现的隐私保护框架,其可以防止攻击者拥有任意的背景知识,并提供安全的隐私保护。针对词向量训练的上述问题,研究满足隐私保护的Word2vec算法。主要研究内容总结如下:1、研究基于Hierarchical Softmaxs的隐私保护词向量训练模型。Hierarchical Softmax利用霍夫曼树把N分类问题变成了log N的层次二分类问题;因为只求霍夫曼树中每个节点的权值向量,这样就大大提高模型训练的效率。本论文基于BGN密码系统以及内积加密设计,在Sigmoid函数的计算效率上要高于现有方案,且大大降低了通信的开销。基于Hierarchical Softmaxs,本论文在Word2vec的两种模型上提出了两种隐私保护算法,并与现有的隐私保护词向量训练模型进行比较,不仅减少了通信开销,计算时间上亦有显著优势,在保护隐私的前提下,缩短了模型的训练时间。2、研究基于负采样算法的隐私保护词向量训练模型。Hierarchical Softmax对于词频较低的词汇的训练效果不理想。在负采样算法的策略下,负采样算法只需要更新输出向量的一个样本,优化目标是最小化负样本的概率,最大化正样本的概率。基于负采样算法,本论文在Word2vec的两种模型上提出两种隐私保护算法。本论文与目前隐私保护的词向量训练算法比较,本算法具有更高的效率以及更小的存储开销。对算法的准确性、效率以及精确度等亦进行了实验评估,实验表明本算法的功能与明文下的算法基本一致。本论文所有实验均在真实世界的四个大型数据集上进行。

关键词：词向量训练隐私保护机器学习同态加密内积加密

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

一种英文情报分析系统的设计与实现

一种英文情报分析系统的设计与实现

引用

作者：王婉晴华中科技大学

学位级别：硕士

随着各国军事领域信息化的发展,对于情报处理的时效性要求越来越高,传统使用人工收集、处理情报的方式已经不能满足当前数据量大,时效性高的要求。随着自然语言处理技术的成熟,采用自然语言处理、对特定网站数据进行监测、收集、处理使... 详细信息

随着各国军事领域信息化的发展,对于情报处理的时效性要求越来越高,传统使用人工收集、处理情报的方式已经不能满足当前数据量大,时效性高的要求。随着自然语言处理技术的成熟,采用自然语言处理、对特定网站数据进行监测、收集、处理使得情报分析系统的实现成为可能。从前后端实现、数据库设计以及英文情报分析技术实现该系统。主要目的为对特定海军网站进行监测,以获取目标舰艇全寿期事件,包括舰艇服役、建造、部署等时间、地点信息,并满足用户查询、导出、分享等要求,并对抽取出的结构化数据在系统界面进行展示。为了提高情报分析的准确率以及时效性,对需求进分析和研究之后,展开了如下工作:首先系统对目标数据源进行定时数据爬取操作,并对爬取数据进行数据预处理;为了提高情报分析抽取率,对文本信息进行指代消解,将指示代词对应到其先行词,以抽取更多有用情报信息。采用命名实体识别加上基于规则匹配的事件抽取进行知识抽取操作,在知识抽取模型中加入命名实体识别结果,可以提高知识抽取的准确率。设计数据库并将以上所有模块部署到后台,实现前端界面对后台结果的调用,可将结构化数据按照用户需求展示到前端界面。情报分析系统设计及实现,可以对指定网站进行定时爬取并抽取出相关情报信息,满足展示所有舰船情报信息,且用户对指定舰船进行查询并展示的功能。这里指代消解F1值达到83.6,知识抽取F1值达到79.3,同时增加的指代消解使知识抽取的数量提高了7.3%。

关键词：数据爬取文本结构化词向量训练指代消解知识抽取

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

基于神经网络的文本情感分类模型研究

引用

现代计算机 2024年第8期30卷 100-102,107页

作者：司靖梓邢建川肖鑫西藏大学信息科学技术学院拉萨850000 电子科技大学计算机科学与工程学院成都610000

情感分类作为近年来自然语言处理领域的热门研究方向,旨在识别文本中的情感态度,如积极、消极或者中立等,对社交媒体、新闻、评论和用户反馈等大量文本数据进行挖掘并分析其情感极性对于研究者和政府来讲具有十分重要的意义。传统的情... 详细信息

情感分类作为近年来自然语言处理领域的热门研究方向,旨在识别文本中的情感态度,如积极、消极或者中立等,对社交媒体、新闻、评论和用户反馈等大量文本数据进行挖掘并分析其情感极性对于研究者和政府来讲具有十分重要的意义。传统的情感分类算法通常使用基于统计的特征提取方法,如词袋模型,再结合机器学习算法,如支持向量机(SVM)和朴素贝叶斯分类器等来进行分类。在基于对神经网络的研究下实现文本情感分析,对文本数据集进行预处理操作后建立情感分析模型,使用Keras框架搭建循环神经网络以识别情感倾向,定义相关函数后进行模型训练,并采用一系列方法指标来进行模型评估检验模型性能,比较传统机器学习算法提高了情感分析的精度和效率。

关键词：自然语言处理循环神经网络词向量训练深度学习框架

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

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

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

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：