检索结果-南通市图书馆

基于二阶段对比学习的中文自动文本摘要方法研究

在线全文

学校读者我要写书评

暂无评论

华东理工大学学报（自然科学版） 2024年第4期50卷 586-593页

作者：杨子健郭卫斌华东理工大学信息科学与工程学院上海200237

在中文自动文本摘要中,暴露偏差是一个常见的现象。由于中文文本自动摘要在序列到序列模型训练时解码器每一个词输入都来自真实样本,但是在测试时当前输入用的却是上一个词的输出,导致预测词在训练和测试时是从不同的分布中推断出来的,... 详细信息

在中文自动文本摘要中,暴露偏差是一个常见的现象。由于中文文本自动摘要在序列到序列模型训练时解码器每一个词输入都来自真实样本,但是在测试时当前输入用的却是上一个词的输出,导致预测词在训练和测试时是从不同的分布中推断出来的,而这种不一致将导致训练模型和测试模型直接的差异。本文提出了一个两阶段对比学习框架以实现面向中文文本的生成式摘要训练,同时从摘要模型的训练以及摘要评价的建模进行对比学习。在大规模中文短文本摘要数据集(LCSTS)以及自然语言处理与中文计算会议的文本数据集(NLPCC)上的实验结果表明,相比于基线模型,本文方法可以获得更高的面向召回率的摘要评价方法(ROUGE)指标,并能更好地解决暴露偏差问题。

关键词：中文自动文本摘要对比学习暴露偏差预处理模型 ROUGE指标

BERT预训练模型在命名实体识别任务中对识别效果的影响

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

网络安全技术与应用 2023年第6期 39-41页

作者：杨瑞森甘勇郑州轻工业大学河南450000

伴随着人工智能时代的到来,深度学习技术开始被应用于各个领域,在自然语言处理领域,基于深度学习的模型逐渐地成为主流,而语言预处理模型又进一步提高了自然语言处理中命名实体识别任务的识别效果。在命名实体识别任务中,良好的预处理... 详细信息

伴随着人工智能时代的到来,深度学习技术开始被应用于各个领域,在自然语言处理领域,基于深度学习的模型逐渐地成为主流,而语言预处理模型又进一步提高了自然语言处理中命名实体识别任务的识别效果。在命名实体识别任务中,良好的预处理模型可以使后续的任务得到更好的性能表现。本文主要通过对比主流的命名实体识别模型在引入预处理模型前后识别效果的变化对比,来探讨语言预处理模型对命名实体识别任务识别效果的影响。

关键词：自然语言处理命名实体识别预处理模型深度学习

在线全文

学校读者我要写书评

暂无评论

农业需水价格弹性分析模型

节水灌溉 2005年第6期 24-26页

作者：周春应章仁俊河海大学商学院南京210098

应用计量经济学和多元统计分析的方法,通过对原始资料样本数据建立预处理模型,剔除水价以外的主要影响因素对农业用水量的影响,建立农业需水价格弹性分析模型,得出农业需水的价格弹性,研究表明农业水价与需水量之间存在明显的相关关系... 详细信息

应用计量经济学和多元统计分析的方法,通过对原始资料样本数据建立预处理模型,剔除水价以外的主要影响因素对农业用水量的影响,建立农业需水价格弹性分析模型,得出农业需水的价格弹性,研究表明农业水价与需水量之间存在明显的相关关系。将预处理模型和农业需水价格弹性分析模型在江苏省高扬程灌区中进行了定量的应用研究,结果显示农业水价对用水量有明显的抑制效果。

关键词：水价农业需水需求价格弹性预处理模型

基于EfficientNet的异常驾驶行为识别方法

在线全文

学校读者我要写书评

暂无评论

基于EfficientNet的异常驾驶行为识别方法

基于Bert-BiLSTM-Attention的互联网金融实体识别方法

2022中国高校计算机教育大会

作者：刘兰华蓝凡立梁国际南宁学院人工智能学院南宁530200 广西民族大学数学与物理学院南宁530005

针对异常驾驶行为监控识别场景,提出基于高效卷积网络EfficientNet的图片增强异常驾驶行为识别方法和预处理模型的迁移学习异常驾驶行为识别方法。首先加载图片时通过旋转、剪切、平移等多种方式进行图片增强,接着使用在大规模图片数据... 详细信息

针对异常驾驶行为监控识别场景,提出基于高效卷积网络EfficientNet的图片增强异常驾驶行为识别方法和预处理模型的迁移学习异常驾驶行为识别方法。首先加载图片时通过旋转、剪切、平移等多种方式进行图片增强,接着使用在大规模图片数据库ImageNet上进行预训练的模型获取模型特征权重,然后自定义预处理模型的全连接层使模型在异常驾驶行为数据集上的效率和效果更好。实验数据证明了提出的算法对异常驾驶行为识别准确率高达99%,是可行和有效的。

关键词：驾驶行为识别深度学习预处理模型 EfficientNet

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

信息与电脑 2021年第20期33卷 58-61页

作者：倪健陈鹏兴河北工程大学河北邯郸056038

针对传统实体识别解决方案存在识别准确率较低、自适应能力差等问题,笔者提出一种基于Bert-BilLSTMCRF的神经网络模型识别互联网金融实体。首先,利用Bert模型对训练集进行预训练,获取抽象特征;其次,利用BiLSTM模型得到具有序列号的抽象... 详细信息

针对传统实体识别解决方案存在识别准确率较低、自适应能力差等问题,笔者提出一种基于Bert-BilLSTMCRF的神经网络模型识别互联网金融实体。首先,利用Bert模型对训练集进行预训练,获取抽象特征;其次,利用BiLSTM模型得到具有序列号的抽象特征;再次,把输出结果带入自注意力机制层中对结果进行加权求和,得到加权的抽象特征;最后,通过条件随机场(Conditional Random Filed,CRF)进行解码,提取真实实体。实验结果表明,该方法能够有效提升识别准确率。

关键词：实体识别注意力机制预处理模型互联网金融自然语言处理