检索结果-南通市图书馆

word2vec-KNN技术支持下潮流玩具质量检测模型研究

在线全文

学校读者我要写书评

暂无评论

计算机应用文摘 2024年第10期40卷 92-94页

作者：吕远智北京泡泡玛特文化创意有限公司北京100123

随着人们生活水平的提高,越来越多的消费者更加注重所购产品的质量,特别是在儿童玩具方面。质量不合格的玩具产品会给儿童带来诸多影响,包括但不限于安全隐患及对儿童健康产生的影响。然而,工业制造中的产品质量检测报告种类繁多且不易... 详细信息

随着人们生活水平的提高,越来越多的消费者更加注重所购产品的质量,特别是在儿童玩具方面。质量不合格的玩具产品会给儿童带来诸多影响,包括但不限于安全隐患及对儿童健康产生的影响。然而,工业制造中的产品质量检测报告种类繁多且不易被理解,无法直观体现产品质量。因此,文章提出了一种基于word2vec与K最近邻分类算法相结合的产品质量评估模型。该模型能够通过产品质量报告对某玩具进行评估,从而判断其质量。实验结果表明,在数据集尺寸达到900时,K均值聚类算法模型、局部加权最近邻算法模型和混合模型算法模型的准确率分别为0.84,0.91与0.96,损失函数值分别为0.07,0.05及0.03,证明所提模型能够对玩具产品进行准确评估,从而为消费者和质量监管部门提供一定的决策支持。

关键词：产品质量评估 K最近邻 word2vec 大数据

关于word2vec文本分类效果若干影响因素的分析

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

现代信息科技 2024年第1期8卷 125-129页

作者：谢庆恒国家图书馆北京100081

word2vec向量模型参数众多,在不同情景下分类效果不一,分析其影响因素很有必要。从word2vec模型基本原理出发,分析讨论了预训练语料、词向量预训练参数以及分类模型参数三大因素对模型分类效果的影响。结果表明限定域预料效果好于广域预... 详细信息

word2vec向量模型参数众多,在不同情景下分类效果不一,分析其影响因素很有必要。从word2vec模型基本原理出发,分析讨论了预训练语料、词向量预训练参数以及分类模型参数三大因素对模型分类效果的影响。结果表明限定域预料效果好于广域预料;预训练参数中向量维度越大,效果越好,窗口大小存在最优值,分类算法影响不大;分类模型参数中学习率、激活函数、批次大小对模型分类效果影响较大,训练轮次相对较小。

关键词： word2vec 文本分类模型效果影响因素

基于K-means与word2vec的哺乳文胸评论主题挖掘研究

在线全文

学校读者我要写书评

暂无评论

人类工效学 2024年第2期30卷 40-45页

作者：刘妍刘驰西安工程大学服装与艺术设计学院西安710048

目的为了了解消费者在网络平台购买哺乳文胸时的关注侧重点,文章从在线评论中抽取有效关键词构建哺乳文胸主题,并通过计算主题的重要程度协助商家了解消费者关注重点方向。方法选用TF-IDF关键词抽取算法,结合K-means和word2vec进行语义... 详细信息

目的为了了解消费者在网络平台购买哺乳文胸时的关注侧重点,文章从在线评论中抽取有效关键词构建哺乳文胸主题,并通过计算主题的重要程度协助商家了解消费者关注重点方向。方法选用TF-IDF关键词抽取算法,结合K-means和word2vec进行语义聚类、主题识别、主题词挖掘及主题重要度计算。结果哺乳文胸评论文本聚类后的主题重要程度排名是:产品品质(45.47%)、产品外观(35.83%)、产品服务(18.79%)。结论通过该方法能够有效的识别和构建哺乳文胸主题及主题词,同时,通过主题的重要程度,能够了解消费者对于网络平台购买哺乳文胸时关注的重点方向,为哺乳内衣企业进行产品改善及生产等提供理论参考。

关键词：服装工程文本聚类分析哺乳文胸在线评论 K-means word2vec 主题挖掘主题重要程度文献计量分析

基于SVM和word2vec的微博评论情感识别模型

在线全文

学校读者我要写书评

暂无评论

现代计算机 2024年第10期 60-64页

作者：闫芳序王剑辉沈阳师范大学数学与系统科学学院

微博作为高互动性的社媒平台，其中富含大量主观性文本数据。为挖掘评论文本中潜在的信息价值，针对传统方法中存在的语义缺失和过度依赖背景知识等问题，提出一种基于SVM和word2vec的情感识别模型。通过word2vec模型中的Skip-gram方法... 详细信息

微博作为高互动性的社媒平台，其中富含大量主观性文本数据。为挖掘评论文本中潜在的信息价值，针对传统方法中存在的语义缺失和过度依赖背景知识等问题，提出一种基于SVM和word2vec的情感识别模型。通过word2vec模型中的Skip-gram方法利用当前语境的中心词预测上下文结构，将词语映射为词向量，进而转化成向量矩阵，输入至SVM模型进行训练与分类。实验结果表明，模型的准确率为0.943，召回率为0.941,F1值为0.946，具有良好的泛化性。

关键词：情感分析 SVM word2vec 微博

基于word2vec和决策树的故障定位技术

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

上海师范大学学报（自然科学版中英文） 2024年第2期53卷 223-227页

作者：王露露陈军华上海师范大学信息与机电工程学院上海201418

利用word2vec方法对Java源代码进行深层语义编码,生成文件级和行级的语义向量,并将其用作输入数据来训练决策树模型,以实现精确的文件级别和行级别故障定位,优化故障检测过程,构建一个综合文件级别与行级别分析的高效故障定位框架.实验... 详细信息

利用word2vec方法对Java源代码进行深层语义编码,生成文件级和行级的语义向量,并将其用作输入数据来训练决策树模型,以实现精确的文件级别和行级别故障定位,优化故障检测过程,构建一个综合文件级别与行级别分析的高效故障定位框架.实验结果表明:该模型在各项目中的故障定位准确率均高于83%.

关键词：故障定位语义表示 word2vec 决策树

XGBRS Framework Integrated with word2vec Sentiment Analysis for Augmented Drug Recommendation

在线全文

学校读者我要写书评

暂无评论

Computers, Materials & Continua 2022年第9期72卷 5345-5362页

作者： Shweta Paliwal Amit Kumar Mishra Ram Krishn Mishra Nishad Nawaz M.Senthilkumar MIET Meerut Meerut250005India School of Computing DIT UniversityDehradun248009India Department of Computer Science BITS PilaniDubai CampusDubai345055United Arab Emirates Department of Business Management College of Business AdministrationKingdom UniversityRiffa40434Kingdom of Bahrain School of Information Technology and Engineering Vellore Institute of TechnologyVellore632014India

Machine Learning is revolutionizing the era day by day and the scope is no more limited to computer science as the advancements are evident in the field of healthcare.Disease diagnosis,personalized medicine,and Recommendation system(RS)are among the promising applications that are using Machine Learning(ML)at a higher level.A recommendation system helps inefficient decision-making and suggests personalized recommendations accordingly.Today people share their experiences through reviews and hence designing of recommendation system based on users’sentiments is a challenge.The recommendation system has gained significant attention in different fields but considering healthcare,little is being done from the perspective of drugs,disease,and medical recommendations.This study is engrossed in designing a recommendation system that is based on the fusion of sentiment analysis and radiant boosting.The polarity of the sentiments is analyzed through user reviews and the processed data is fed into the Extreme Gradient Boosting(XGBOOST)framework to generate the drug recommendation.To establish the applicability of the concept a comparative study is performed between the proposed approach and the existing approaches.

关键词： Recommendation system word2vec XGBOOST sentiment analysis natural language processing(NLP) machine learning

LogUAD: Log Unsupervised Anomaly Detection Based on word2vec

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

Computer Systems Science & Engineering 2022年第6期41卷 1207-1222页

作者： Jin Wang Changqing Zhao Shiming He Yu Gu Osama Alfarraj Ahed Abugabah School of Computer and Communication Engineering Changsha University of Science&TechnologyChangsha410114China Department of Chemistry Institute of Inorganic and Analytical ChemistryGoethe-UniversityFrankfurt60438Germany Computer Science Department Community CollegeKing Saud UniversityRiyadh11437Saudi Arabia Zayed University CTIAbu Dhabi144534United Arab Emirates

System logs record detailed information about system operation and areimportant for analyzing the system's operational status and performance. Rapidand accurate detection of system anomalies is of great significance to ensure system stability. However, large-scale distributed systems are becoming more andmore complex, and the number of system logs gradually increases, which bringschallenges to analyze system logs. Some recent studies show that logs can beunstable due to the evolution of log statements and noise introduced by log collection and parsing. Moreover, deep learning-based detection methods take a longtime to train models. Therefore, to reduce the computational cost and avoid loginstability we propose a new word2vec-based log unsupervised anomaly detection method (LogUAD). LogUAD does not require a log parsing step and takesoriginal log messages as input to avoid the noise. LogUAD uses word2vec togenerate word vectors and generates weighted log sequence feature vectors withTF-IDF to handle the evolution of log statements. At last, a computationally effi-cient unsupervised clustering is exploited to detect the anomaly. We conductedextensive experiments on the public dataset from Blue Gene/L (BGL). Experimental results show that the F1-score of LogUAD can be improved by 67.25%compared to LogCluster.

关键词： Log anomaly detection log instability word2vec feature extraction

Representation of Semantic word Embeddings Based on SLDA and word2vec Model

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

Chinese Journal of Electronics 2023年第3期32卷 647-654页

作者： TANG Huanling ZHU Hui WEI Hongmin ZHENG Han MAO Xueli LU Mingyu GUO Jin School of Computer Science and Technology Shandong Technology and Business University Co-innovation Center of Shandong Colleges and Universities: Future Intelligent Computing Key Laboratory of Intelligent Information Processing in Universities of Shandong Shandong Technology and Business University School of Information and Electronic Engineering Shandong Technology and Business University Information Science and Technology College Dalian Maritime University School of Computer and Information Technology Liaoning Normal University

To solve the problem of semantic loss in text representation, this paper proposes a new embedding method of word representation in semantic space called wt2svec based on supervised latent Dirichlet allocation(SLDA) and word2vec. It generates the global topic embedding word vector utilizing SLDA which can discover the global semantic information through the latent topics on the whole document set. It gets the local semantic embedding word vector based on the word2vec. The new semantic word vector is obtained by combining the global semantic information with the local semantic information. Additionally, the document semantic vector named doc2svec is generated. The experimental results on different datasets show that wt2svec model can obviously promote the accuracy of the semantic similarity of words,and improve the performance of text categorization compared with word2vec.

关键词： Supervised latent Dirichlet allocation Semantic word vector word2vec word embedding Semantic similarity Text categorization

word2vec和支持向量机的POI自动分类方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

测绘科学 2022年第6期47卷 195-203页

作者：李秀茹王晓李朋朋李绪红罗安江苏海洋大学海洋技术与测绘学院江苏连云港222000 中国测绘科学研究院北京100036 西南交通大学地球科学与环境工程学院成都611756

针对兴趣点(POI)数据名称文本特征稀疏以及语义关系简单所导致的POI数据管理困难等问题,该文提出一种基于词向量计算工具word2vec和支持向量机的POI分类方法。首先对POI名称进行分词、去停用词等预处理;然后通过word2vec模型生成词向量... 详细信息

针对兴趣点(POI)数据名称文本特征稀疏以及语义关系简单所导致的POI数据管理困难等问题,该文提出一种基于词向量计算工具word2vec和支持向量机的POI分类方法。首先对POI名称进行分词、去停用词等预处理;然后通过word2vec模型生成词向量,并引入词频-逆文档频率(TF-IDF)权重进行加权求和实现名称文本的向量表示;最后,在对支持向量机分类器训练的基础上,实现POI数据自动分类。为了验证方法的有效性,该文选取百度地图的6类POI数据进行试验,结果表明,该文方法在6个类别中总体正确率达到94.43%,优于目前常用的机器学习分类方法。

关键词： POI分类 word2vec 支持向量机 TF-IDF