检索结果-南通市图书馆

基于glove-BiLSTM的在线研讨信息分类模型研究

在线全文

学校读者我要写书评

暂无评论

情报理论与实践 2022年第9期45卷 173-179,172页

作者：易明李藿然刘继月华中师范大学信息管理学院湖北武汉430079

[目的/意义]把握并识别在线研讨信息类型,有助于研讨用户快速获取研讨信息、减轻认知负担、形成对研讨状态的正确判断,从而提升研讨效率。[方法/过程]基于深度学习的文本语义理解和挖掘,构建在线研讨信息分类识别的深度学习组合模型GloV... 详细信息

[目的/意义]把握并识别在线研讨信息类型,有助于研讨用户快速获取研讨信息、减轻认知负担、形成对研讨状态的正确判断,从而提升研讨效率。[方法/过程]基于深度学习的文本语义理解和挖掘,构建在线研讨信息分类识别的深度学习组合模型glove-BiLSTM,进行在线研讨信息的自动化分类预测。利用glove对待分类文本进行训练,以获得字词级别的向量,再将词向量输入BiLSTM层提取语义特征,最后输入新的在线研讨文本以得到分类预测的最终结果。[结果/结论]针对CMV社区在线研讨信息的实验表明,构建的glove-BiLSTM组合模型在分类准确率、精确率、召回率、F1值等方面均具有出色表现,能够有效实现在线研讨信息的类型分类,为在线研讨社区服务优化提供参考。

关键词：在线研讨信息深度学习 BiLSTM模型 glove模型信息分类

“互联网+”环境下融合多特征的弹幕数据情绪监测模型构建

在线全文

学校读者我要写书评

暂无评论

软件导刊 2024年第2期23卷 17-24页

作者：刘家威郑军红何利力浙江理工大学计算机科学与技术学院(人工智能学院) 浙江杭州310018

针对企业营销活动中未充分考虑客户情感特征,导致营销效果达不到预期的问题,提出一种融合多特征的ALBERT-SA-BIGRU模型。首先,基于企业营销活动弹幕数据构建表情符号词典及相关语料库。其次,将弹幕文本与弹幕属性共同输入ALBERT模型中... 详细信息

针对企业营销活动中未充分考虑客户情感特征,导致营销效果达不到预期的问题,提出一种融合多特征的ALBERT-SA-BIGRU模型。首先,基于企业营销活动弹幕数据构建表情符号词典及相关语料库。其次,将弹幕文本与弹幕属性共同输入ALBERT模型中提取弹幕文本的特征表示,并与glove预先训练好的表情符号特征融合。再次,利用自注意机制捕捉表情符号与弹幕文本、弹幕属性之间的关系,将捕获的词语特征输入BiGRU中从前向、后向捕获信息,加强语义依赖,提取情感特征。最后,用Softmax逻辑回归进行情感倾向性分类,构建情绪监测图。以某互联网营销平台163253条弹幕数据对模型进行性能验证的结果表明,模型准确率、精确率、召回率分别为88.8%、88.7%、88.9%,相较于其他模型均有一定提升,可为企业在营销活动中实现用户情绪监测智能化精准营销提供支持。

关键词：多特征 ALBERT模型 glove模型自注意机制 BIGRU模型情绪监测

维普期刊数据库博看期刊

深圳市福田区功能区识别及其与居民情绪的关联性

在线全文

学校读者我要写书评

暂无评论

深圳市福田区功能区识别及其与居民情绪的关联性

作者：潘泽宇广州大学

学位级别：硕士

随着城市化进程的不断推进,交通拥堵、人口过载和资源分配不均等城市问题也愈发凸显,给城市规划建设以及提升城市居民情感体验带来了新的挑战。城市功能区的准确识别对于合理规划城市内部各区域的建设和发展方向以及优化城市资源配置至... 详细信息

随着城市化进程的不断推进,交通拥堵、人口过载和资源分配不均等城市问题也愈发凸显,给城市规划建设以及提升城市居民情感体验带来了新的挑战。城市功能区的准确识别对于合理规划城市内部各区域的建设和发展方向以及优化城市资源配置至关重要。而且,掌握不同功能区单元和类型与城市居民情绪之间的关联特征则有助于辅助城市管理人员更精准、有效地开展城市管理工作。为此,本文旨在使用兴趣点(Point of Interest,POI)、百度热力和新浪微博位置签到等多源数据,通过深度学习模型在交通分析小区(Traffic Analysis Zone,TAZ)尺度下识别城市功能区,并结合识别结果探究城市居民的情绪特征。深圳市是我国改革开放的第一个经济特区,常住人口城镇化率达到99%以上,远高于全国平均水平,而福田区作为深圳市的中心城区,是全市的金融、行政、文化、商贸和国际交往中心,区域内部功能区类型复杂多样。因此,本文以深圳市福田区为例,首先,采用路网数据划分得到交通分析小区,使用Glo Ve模型充分挖掘POI数据的语义信息,并对其进行加权平均,得到每个TAZ的特征向量。接着,使用K-means算法将所有TAZ单元聚类为不同的TAZ簇,通过计算每个簇中POI的频数密度和富集因子,并结合工作日和休息日的24小时百度热力变化特征,对每类TAZ簇的功能类型进行标注。然后,基于微博签到数据,使用BERT模型进行情感分析,获取不同城市功能区单元下的细粒度居民情绪强度,从时间和空间维度探索福田区的居民情绪分布特征,并使用知网How Net情感词典提取微博文本中的积极和消极情感关键词。最后,根据研究结果给出针对福田区的城市规划启示。主要结论如下:(1)本文提出的基于多源数据和Glo Ve模型的城市功能区识别方法具有较高的准确度。混淆矩阵计算结果表明,本文识别结果的Kappa系数为0.80,总体精度达到了84.00%。在应用该方法时,Glo Ve模型参数的设置对于功能区识别结果存在显著影响。在使用k近邻方法构建Glo Ve模型的训练集时,搜索半径和k值的选取是决定POI语义向量准确性的核心参数。可以通过使用平均精度均值(Mean Average Precision,MAP)对比评价不同参数下POI的语义化效果,得出POI语义表示效果最佳的搜索半径和k值。此外,POI向量维度的设置也影响其语义效果。(2)从城市功能区识别结果的地块数量来看,商住混合区的地块数量最多,其次是产业区和成熟居住区,科教文娱区和公共管理与公共服务区的地块数量最少,均为37个。从空间分布上看,商住混合区的分布最为广泛,占地面积也最大,其次是科教文娱区,公共管理与公共服务区的分布范围最小。(3)不同功能区下的居民情绪特征中,科教文娱区的整体居民情绪强度最高,公共管理与公共服务区的最低;不同功能区之间居民情绪强度的时间分布存在差异,在一周中大多呈现“周中下降,周末高峰”的趋势,在休息日的平均居民情绪强度均高于工作日,其中成熟居住区的表现最为明显;各类功能区在24小时内的居民情绪强度低值主要位于凌晨,且在凌晨时波动较大,白天的波动则较弱。不同功能区类型下的积极和消极情感关键词具有一定差异。其中,各功能区下出现最多的积极情感词为“开心”,“快乐”,“好吃”等,出现次数最多的消极情感词为“难吃”,“无聊”,“遗憾”等。(4)本文依据城市功能区识别结果以及居民情绪强度的分布特征,给出如下规划建议:保持科教文娱区的居民情绪稳定,改善其它功能区居民情绪、“聚合”福田生活圈,打造便捷出行模式和构建多而小高质量娱乐休闲区。

关键词：城市功能区 glove模型居民情绪 BERT模型福田区

基于OD流向语义和时空语义聚类的居民出行特征分析方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

地球信息科学学报 2023年第11期25卷 2150-2163页

作者：柯玮文吴升柯日宏福州大学数字中国研究院(福建) 福州350003

分析居民的出行特征是解决和缓解日益凸显的城市问题的一种重要途径。当前采用出租车OD流向数据挖掘居民出行特征已经取得了丰富的研究成果,但是大部分研究忽略了OD流向的语义信息。针对时空聚类算法中语义信息考虑不足的问题,本文提出... 详细信息

分析居民的出行特征是解决和缓解日益凸显的城市问题的一种重要途径。当前采用出租车OD流向数据挖掘居民出行特征已经取得了丰富的研究成果,但是大部分研究忽略了OD流向的语义信息。针对时空聚类算法中语义信息考虑不足的问题,本文提出了一种基于glove(Global Vectors)模型的OD流向语义提取方法和基于密度的时空语义聚类算法(STS-DBSCAN,Spatial Temporal Semantic-DBSCAN)。首先,结合POI访问概率和glove模型提取了OD流向语义。在此基础上,提出了一种OD流向的时空语义相似性度量规则。然后,根据时空语义相似性度量规则改进了DBSCAN聚类算法,实现了OD流向数据的时空语义聚类。最后,以厦门岛为例进行居民出行特征分析,共提取了7种居民出行语义,发现:(1)居民出行语义受时间因素的影响较大,不同时间段的主要居民出行语义不同;(2)居民出行热点主要分布在厦门岛的中部发达区域;(3)通过时空语义聚类分析,从4种主要居民出行语义中提取了7种典型的居民出行模式。结果表明,基于OD流向语义和时空语义聚类方法能够有效地挖掘城市居民的出行特征。

关键词：出租车OD流向语义信息 POI访问概率 glove模型时空语义 OD流向聚类出行特征

基于专利文本语义距离的跨领域关键共性技术识别方法研究

在线全文

学校读者我要写书评

暂无评论

情报杂志 2023年第8期42卷 90-95页

作者：苗红张惠钊林昭颍吴菲菲沈蕾北京工业大学经济与管理学院北京100124

[研究目的]跨领域关键共性技术强调技术的跨领域关联与主导作用,对其识别将为政府推动跨产业跨领域创新、提前布局相关技术领域提供决策支持。[研究方法]首先,运用glove模型向量化专利文本,按照专利与技术领域的语义接近程度划分专利所... 详细信息

[研究目的]跨领域关键共性技术强调技术的跨领域关联与主导作用,对其识别将为政府推动跨产业跨领域创新、提前布局相关技术领域提供决策支持。[研究方法]首先,运用glove模型向量化专利文本,按照专利与技术领域的语义接近程度划分专利所属领域;其次,基于GMM算法提取各领域技术主题,依据技术主题之间的语义距离,构建技术主题关联网络;最后,利用漏斗模型,依据技术主题的共性指标、跨领域指标、关键性指标筛选出跨领域关键共性技术。[研究结论]运用养老科技领域专利数据进行实证研究,结果显示“智能控制辅助技术”“无接触式躯体感知技术”“沟通与信息辅助技术”“适用性技术”为跨领域关键共性技术,通过比对国家相关政策内容,验证了方法的有效性。

关键词：跨领域关键共性技术技术识别 glove模型专利分析

基于出租车轨迹数据和兴趣点的城市功能区识别研究——以成都市为例

在线全文

学校读者我要写书评

暂无评论

基于出租车轨迹数据和兴趣点的城市功能区识别研究——以成都市为...

作者：蒋浩长江大学

学位级别：硕士

在城市长时间发展过程中,由人为设计或自然原因形成了不同的功能区,承担不同的城市职能,如商业区、住宅区和娱乐休闲区。不同功能区往往有着不同的活动模式。了解城市功能区的分布有利于对城市布局做出合理的评价与调整,缓解交通压力。... 详细信息

在城市长时间发展过程中,由人为设计或自然原因形成了不同的功能区,承担不同的城市职能,如商业区、住宅区和娱乐休闲区。不同功能区往往有着不同的活动模式。了解城市功能区的分布有利于对城市布局做出合理的评价与调整,缓解交通压力。随着全球定位技术(Global Positioning System)与通信技术(International Comminication Technology)的快速发展与应用,各种地理大数据出现在大众视野,如兴趣点(Points-of-interest)、手机信令数据、浮动车数据、签到数据等等。多源、海量、现势性高、高时空分辨的地理大数据蕴含着丰富的人类行为模式、城市结构、交通运行状态等信息。相比传统效率低、工作周期长、工作量大的实地调研或者遥感图像处理等工作。基于地理大数据的分析方法能全面、高效、精确地反映城市空间结构的发展变化。地理大数据的挖掘工作成为城市感知、智能规划的重要手段。本文实验目的是基于glove词嵌入模型挖掘不同种类兴趣点在地理空间中的上下文关系,使用最近距离原则构建功能区语料库获取词向量。基于K-Means方法在交通区(Traffic Analysis Zones)分类尺度上对城市交通区进行分类。在获取交通区的词向量时,使用POI的面积、活动强度属性作为加权因子对不同类别的POI进行加权求和提升城市功能区分类精度。经过实验分析,本文得到如下结论:(1)本文使用相同语料库构建方式与参数,基于word2vec模型获取POI类别的词向量,并将模型分类结果与glove模型分类结果做对比分析,结果发现,本文实验方法的精确率为90%,明显高于word2vec模型()。(2)在构建glove模型的语料库时,最邻近POI个数对词向量的质量有显著影响。当临近个数限制在较小的范围内时往往能获取到质量较高的词向量。词向量维度对实验结果有重要影响。维度越高,不同种类的功能区分类精度越高。(3)引入面积加权因子能够显著提高如风景名胜、医疗服务、工业用地的识别精度。降低混合功能区的熵。(4)本文将glove模型与城市中分布较为广泛的POI数据结合,充分利用不同类别POI之间的空间上下文关系对成都市城市功能区进行分类。为城市空间结构的识别功能补充了新的理论知识与方法,研究成果可以为城市空间结构的研究提供参考。本文实验证明了glove模型在获取词向量时的优越性,并分析了模型参数优化问题做出了分析。充分考虑面积、活动强度对分类结果的影响。为城市功能区的识别研究提供了参考。

关键词：城市功能区兴趣点 glove模型交通区

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

铝硅合金实体关系联合抽取研究

铝硅合金实体关系联合抽取研究

作者：李武亮昆明理工大学

学位级别：硕士

随着材料科学的不断发展,材料文献中包含的海量信息成为研究人员关注的焦点,如何获取大量有效的材料数据是现阶段的新挑战。本文采用自然语言处理(Natural Language Processing,NLP)技术从铝硅合金材料文献中获取数据。NLP能够使计算机... 详细信息

随着材料科学的不断发展,材料文献中包含的海量信息成为研究人员关注的焦点,如何获取大量有效的材料数据是现阶段的新挑战。本文采用自然语言处理(Natural Language Processing,NLP)技术从铝硅合金材料文献中获取数据。NLP能够使计算机理解并很好地处理文本信息,NLP技术可以从非结构化文本中获取到有用的信息,并进一步转化为结构化的文本信息。命名实体识别(Named Entity Recognition,NER)和关系抽取(Relation Extraction,RE)是 NLP的两个子任务,可以高效地从文本中提取单词信息及其之间的关系。铝硅合金文献中存在多种命名实体及多种关系,本文将命名实体识别与关系抽取进行联合学习,即实体识别和关系抽取统一建模。本文将联合抽取模型作为基础模型,对铝硅合金的实体关系联合学习模型展开研究。通过剖析存在的问题与缺陷,给出了具体的解决办法,主要包括以下3个方面:(1)迄今为止,铝硅合金材料科学领域还未有用于实体关系抽取的语料库,本文在课题组研究前期基础上扩充构建了铝硅合金实体关系联合抽取语料库。本文扩充建立的数据集标准与前期保持一致,构建的方式都是通过手动的方法,其中有11种实体类型和4种关系类型,包含8226个句子、9362个实体样例和6086个关系样例。(2)联合模型的嵌入层采用Skip-Gram模型,该模型是获取静态的信息且无法有效的表达全局信息,此外,材料文本中语义、语法信息较为复杂,本文提出了一种基于全局词向量的铝硅合金实体关系联合抽取模型。该模型采用预训练的词向量模型获取词嵌入,可以更好的获取材料文献中的语义信息。通过采用不同语料库预训练的全局词向量模型应用于实体关系抽取任务,验证了本文提出的方法的有效性,并与不同的实体关系抽取方式进行对比,证明了提取到的词向量信息更准确,提高了模型的效果。(3)针对基础模型的编码层存在捕捉文本语义信息不充分问题,本文提出了两种不同的编码器组合方式。通过改进模型的编码层,将基础模型的BiLSTM层分别与空洞卷积和多头注意力机制模型结合,组成了两种不同的编码器,避免了 BiLSTM处理文本信息丢失的问题,最终可以使铝硅合金实体关系联合抽取模型能够更好地捕捉文本中句子的语义单元信息。多组实验对比,验证了两种不同的编码方式的有效性。

关键词：铝硅合金文献实体关系联合抽取数据集 glove模型空洞卷积模型多头注意力机制模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于预训练语言模型的论文分类研究

基于预训练语言模型的论文分类研究

作者：张可西安电子科技大学

学位级别：硕士

随着计算力的不断提升,人工智能技术已经成为重要的研究方向。如何通过对数据的分析提取出有效的信息是人工智能的关键所在。然而,数据类型不一导致人工智能在不同应用场景面对的挑战不同。音频与图像数据的特点使得对其处理相对容易,... 详细信息

随着计算力的不断提升,人工智能技术已经成为重要的研究方向。如何通过对数据的分析提取出有效的信息是人工智能的关键所在。然而,数据类型不一导致人工智能在不同应用场景面对的挑战不同。音频与图像数据的特点使得对其处理相对容易,而文本数据存在的较大不确定性导致自然语言处理进展缓慢。近年来,深度学习得到了众多学者更为深入的研究,其强大的表征能力对自然语言处理提供了强有力支撑。文本分类作为自然语言处理领域的常见任务,受到了越来越多的关注。在此背景下,本文着手于书籍文献的整理来研究文本分类问题。从计算机领域的研究成果数据库DBLP中,选取人工智能、图像处理和无线电方向的会议论文,按照其出处进行论文分类。目前,基于深度学习的文本分类大多采用预训练语言模型加微调的范式。根据语言模型是否适用于下游的分类任务,可以将预训练语言模型分为两代。第一代模型简单,并且计算成本和时间成本较低。第二代模型有比第一代更好的分类效果,不过模型较为复杂。本文从理论基础到具体实现研究了基于第一代和第二代预训练语言模型的论文分类。主要研究工作如下:第一,建立基于第一代预训练语言模型的论文分类体系。首先,对DBLP会议论文分类任务进行概述,给出Word2vec模型和glove模型的具体组成和训练方法,并使用Word2vec模型和glove模型学习词嵌入。然后,分别使用平均词向量、循环神经网络和卷积神经网络三种不同的方法得到文本的特征向量。接下来,使用支持向量机分类器和朴素贝叶斯分类器对文本的特征向量进行分类。最后,在不同的词向量维度设置下,对各个组合分类模型进行实验分析,研究各个环节对模型分类效果的影响。第二,建立基于第二代预训练语言模型的论文分类体系。首先,对DBLP会议论文数据集进行预处理,并统计了标题的长度分布和摘要的长度分布。然后,使用BERT模型针对几个参数进行了调参实验分析。最后,本文针对带标记数据较少的情况提出一种新方案——在BERT预训练好的模型BERT-base的基础上,使用与微调训练有关的摘要数据进行再次预训练。本文以常用的分类模型评价标准对上述各模型进行了评价对比。对比结果表明,对基于第一代预训练语言模型的论文分类而言,数据集、词嵌入模型、特征提取方式以及分类器对最终的分类效果均有不同程度的影响;对基于第二代预训练语言模型的论文分类而言,本文所提的使用与微调训练有关的摘要数据进行再次预训练有着更好的分类效果。

关键词：论文分类语言模型 Word2vec模型 glove模型 BERT模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于特征权重的词向量文本表示模型

西安工程大学学报 2022年第1期36卷 108-114页

作者：蒋延杰李云红苏雪平张蕾涛贾凯莉陈锦妮北京市组织机构代码管理中心北京100010 西安工程大学电子信息学院陕西西安710048

针对传统文本表示方法无法准确表达文本信息、稀疏维度高等问题,提出基于特征权重的词向量文本表示模型。通过glove模型获得词向量,然后分别与TF-IDF、N-Gram模型相结合,分析考虑了文本的全局信息,解决了传统表示方法中稀疏维度高的问题... 详细信息

针对传统文本表示方法无法准确表达文本信息、稀疏维度高等问题,提出基于特征权重的词向量文本表示模型。通过glove模型获得词向量,然后分别与TF-IDF、N-Gram模型相结合,分析考虑了文本的全局信息,解决了传统表示方法中稀疏维度高的问题,更好地捕捉了文本的语义和语序等局部信息,提高了文本特征表达能力。最后,通过20NewsGroup和5AbstractsGroup测试,分类准确率分别为85.93%、87.02%,验证了文本表示模型的有效性。

关键词： TF-IDF模型 N-Gram模型 glove模型文本表示

维普期刊数据库博看期刊