检索结果-南通市图书馆

重庆邮电大学学报（自然科学版） 2018年第2期30卷 272-279页

作者：周顺先蒋励林霜巧龚德良王鲁达湘南学院软件与通信工程学院湖南郴州423000 中南大学信息科学与工程学院长沙410075

针对基于词语统计的特征化表示无法有效提取文本的词义特征的问题,提出一种基于上下文关系的文本特征化表示方法。该方法利用word2vector提取词义特征,获得词向量;再对词向量进行"最优适应度划分"的聚类,并根据聚类结果将词语替代表示... 详细信息

针对基于词语统计的特征化表示无法有效提取文本的词义特征的问题,提出一种基于上下文关系的文本特征化表示方法。该方法利用word2vector提取词义特征,获得词向量;再对词向量进行"最优适应度划分"的聚类,并根据聚类结果将词语替代表示为聚类质心;根据质心及其所代表的词语的词频,构成词向量聚类质心频率模型(semantic frequency-inverse document frequency,SF-IDF),用于特征化表示文本。在不依赖语义规则的情况下,分别以路透社文本集Reuter-21578、维基百科(extensible markup language,XML)数据为文本数据集,采用神经网络语言模型(neural network language model,NNLM)算法进行文本分类实验,并采用F1-measure标准进行样本分类的效果评估,词向量聚类质心频率模型SF-IDF(semantic frequency-inverse document frequency,SF-IDF)向量与现有技术中词频-逆向文件频率(term frequency-inverse document frequency,TF-IDF)向量的分类效果对比,与TF-IDF模型进行对比实验;在Reuter-21578数据集上平均准确率由原有的57.1%提高到63.3%,在Wikipedia XML数据集上平均准确率由原有的48.7%提高到59.2%。SF-IDF模型可适用于现行的基于特征向量的信息检索算法,且较TF-IDF模型有更高的文本相似性分析效率,可提升文本分类准确率。

关键词： word2vector 上下文关系特征化表示文本分类

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

融合LDA与word2vector的垃圾邮件过滤方法研究

引用

网络安全技术与应用 2017年第3期 73-75页

作者：林建洪翟建桐徐菁浙江鹏信信息科技股份有限公司浙江鹏信310000 中国移动通信集团浙江有限公司中国移动310000

在传统垃圾邮件过滤技术的基础上,提出一种融合LDA主题模型和word2vector模型的文档向量,并将LDA主题模型得到的不同维度的文档——主题矩阵、word2vector模型得到的词向量以及融合的文档向量作为支持向量机和逻辑回归的特征输入,通过8... 详细信息

在传统垃圾邮件过滤技术的基础上,提出一种融合LDA主题模型和word2vector模型的文档向量,并将LDA主题模型得到的不同维度的文档——主题矩阵、word2vector模型得到的词向量以及融合的文档向量作为支持向量机和逻辑回归的特征输入,通过8组对照实验的效果分析得到:融合的文档向量结合支持向量机模型的准确率最高,能够对垃圾邮件进行精准过滤,降低了垃圾邮件对个人以及社会的危害。

关键词： LDA主题模型 word2vector 垃圾邮件支持向量机

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

一种基于word2vector与编辑距离的句子相似度计算方法

引用

电脑知识与技术（过刊） 2017年第2X期23卷 146-147页

作者：陆尹浩同济大学上海201800

随着各种问答系统的流行与聊天机器人的火热,对句子相似性的比较和处理越来越成为各类类似系统的核心部分。因此,研究并设计出一种好的句子相似性比较方法变得越来越关键。该文基于一种深度学习模型word2vector并且结合编辑距离算法提... 详细信息

随着各种问答系统的流行与聊天机器人的火热,对句子相似性的比较和处理越来越成为各类类似系统的核心部分。因此,研究并设计出一种好的句子相似性比较方法变得越来越关键。该文基于一种深度学习模型word2vector并且结合编辑距离算法提出了一种句子相似度计算方法,给出了具体的设计思路,并且通过实验验证了该方法的有效性,最后总结了该方法的优缺点。

关键词：句子相似度计算 word2vector 编辑距离 Edit Distance

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

WEDeepT3: predicting type Ⅲ secreted effectors based on word embedding and deep learning

引用

Quantitative Biology 2019年第4期7卷 293-301页

作者： Xiaofeng Fu Yang Yang Department of Computer Science and Engineering Shanghai Jiao Tbng Universityand Key Laboratory of Shanghai Education Commission for Intelligent Interaction and Cognitive EngineeringShanghai 200240China

Background:The type Ⅲ secreted effectors(T3SEs)are one of the indispensable proteins in the growth and reproduction of Gram-negative *** particular,the pathogenesis of Gram-negative bacteria depends on the type Ⅲ secreted effectors,and by injecting T3SEs into a host cell,the host cell's immunity can be *** high diversity of T3SE sequences and the lack of defined secretion signals make it difficult to identify and ***,the related study of the pathological system associated with T3SE remains a hot topic in *** computational tools have been developed to meet the growing demand for the recognition of T3SEs and the studies of type Ⅲ secretion systems(T3SS).Although these tools can help biological experiments in certain procedures,there is still room for improvement,even for the current best model,as the existing methods adopt handdesigned feature and traditional machine learning ***:In this study,we propose a powerful predictor based on deep learning methods,called *** work consists mainly of three key ***,we train word embedding vectors for protein sequences in a large-scale amino acid sequence ***,we combine the word vectors with traditional features extracted from protein sequences,like PSSM,to construct a more comprehensive feature ***,we construct a deep neural network model in the prediction of type Ⅲ secreted ***:The feature representation of WEDeepT3 consists of both word embedding and position-specific *** together with convolutional neural networks,the new model achieves superior performance to the state-ofthe-art methods,demonstrating the effectiveness of the new feature representation and the powerful learning ability of deep ***:WEDeepT3 exploits both semantic information of Ar-mer fragments and evolutional information of protein sequences to accurately difYerentiate between T3SEs and ***3 is availa

关键词： typeⅢsecreted effectors word2vector PSSM feature representation

来源：

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

基于ElasticSearch与智能推荐的垂直搜索引擎设计与实现

基于ElasticSearch与智能推荐的垂直搜索引擎设计与实现

引用

作者：刘嘉上海财经大学

学位级别：硕士

当今社会不断发展,人们的日常生活渐渐被各种信息所包围,无论是工作还是生活其本质都已经慢慢转换成为了数据的交互,互联网的崛起与各种软硬件的不断突破使得信息的传播与解析变得更加便捷与轻松。伴随着技术的飞跃式的发展,数据的增长... 详细信息

当今社会不断发展,人们的日常生活渐渐被各种信息所包围,无论是工作还是生活其本质都已经慢慢转换成为了数据的交互,互联网的崛起与各种软硬件的不断突破使得信息的传播与解析变得更加便捷与轻松。伴随着技术的飞跃式的发展,数据的增长也开始变得越发的迅速了起来。在这个数据爆炸式增长的年代,搜索引擎作为现代人们最为重要的数据筛集工具有着众多的优点与缺点,例如搜索面广泛却效率和精准性不高、各大主流搜索引擎虽然拥有更好的用户体验却因为竞价排名等问题导致数据真实性大打折扣等等。因此如何在原有的基础上进行取长补短并满足不断改变的用户需就成为了当下迫在眉睫需要解决的问题。本文在传统搜索引擎的基础上提出了一种基于推荐的智能垂直搜索引擎设计方案并给予实现。具体来说:本文首先针对传统搜索引擎的在智能推荐功能上的缺失、推荐内容不精确、竞价排名等问题提出了对于word2vector智能推荐算法的改进,通过对算法的优化和实验的比对成功提高了智能推荐系统所推荐的文本信息的相关度,并且根据时间衰减算法成功将最终推荐结果和时间梯度与文本相关度相融合成功实现了基于智能推荐系统的垂直搜索引擎的设计。其次针对传统搜索引擎在传统搭建方式和大数据量高并发的情况下导致的响应速度下降和延迟的情况,提出了分布式搭建负载均衡与集群化搭建的模型来降低各个功能模块与服务器的压力并通过实验有效的降低了在大数据吞吐量情况下程序服务器的响应时间。除此之外通过分布式详细的模块划分,将整个业务流程分割成为不同的组成部分,为未来可能发生的技术迭代或是灾难预警提供了有效的手段和坚实的基础。最后使用ElasticSearch作为搜索引擎的主体框架配以Scrapy爬虫、Django、***等技术并融合了MVT设计模式以及微服务的思想成功实现了各个功能模块的搭建。在模块搭建完毕后又使用Restful的形式完成了各个模块之间的联系与数据的交互,最终将整个基于智能推荐系统的垂直搜索引擎成功实现并通过Kubernetes等部署程序将系统部署于Centos系统中。用户通过实时输入搜索的文本信息来实现相关具体领域的文本信息搜索功能,系统使用界面化的形式将搜索的结果以及智能推荐的内容作为信息推送给用户以方便用户的使用,本系统有着实用性、更人性化、更准确、更直观等等优点。

关键词： word2vector 智能推荐垂直搜索引擎 ElasticSearch 网络爬虫

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

在线医疗社区相似问答内容挖掘方法研究

在线医疗社区相似问答内容挖掘方法研究

引用

作者：邢布飞北京理工大学

学位级别：硕士

随着互联网的大规模普及和应用,在线医疗越来越引起人们的广泛重视。作为线下医疗的一种补充形式,在线医疗极大地方便了病人获取健康信息,受到人们的广泛青睐。这些网站上逐渐积累了大量的医疗问答记录,其中蕴含着海量的医疗知识,具有... 详细信息

随着互联网的大规模普及和应用,在线医疗越来越引起人们的广泛重视。作为线下医疗的一种补充形式,在线医疗极大地方便了病人获取健康信息,受到人们的广泛青睐。这些网站上逐渐积累了大量的医疗问答记录,其中蕴含着海量的医疗知识,具有巨大的价值。但是,海量问答记录的积累又成为人们高效获取信息的一个障碍。同时,这些医疗问答记录都是非结构化的文本形式,给医学知识的有效利用增加了很大困难。本文旨在通过从已有信息中挖掘出相似医疗问答信息,从而将相似的问答内容推荐给患者,提高患者获取信息的效率,促进医生和患者之间的信息交流。本文提出了一种针对在线医疗社区的相似医疗问答内容挖掘的方法。首先,本文利用网络资源构建医学词典,并结合前后缀以及词性等特征从在线医疗问答文本中提取各类医学实体,为医学知识的构建和医疗数据的结构化奠定基础。在此基础上,针对现有研究存在的问题和在线医疗问答内容的特点,本文提出一种基于医学领域实体和LDA（latent dirichlet allocation）主题模型相结合的方法来挖掘相似的医疗问答信息。然后,本文通过实验分析了模型参数对实验效果的影响,并获取了参数的最佳值。最后,论文对比了本文提出的方法和已有方法的实验结果,证明了本文方法的有效性。

关键词：在线医疗社区实体挖掘 word2vector LDA 相似问答挖掘

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

关于商品评论的情感分析方法研究

关于商品评论的情感分析方法研究

引用

作者：刘利婷苏州大学

学位级别：硕士

由于线上经济的蓬勃发展,商品评论越来越多,评论的内容也各不相同。在这样的场景下如何对这些评论进行分析挖掘,从而得出情感倾向是一件有意义并且值得探究的事情。因为它不仅可以为需要购买商品的消费者提供一些借鉴和一定程度上的参考... 详细信息

由于线上经济的蓬勃发展,商品评论越来越多,评论的内容也各不相同。在这样的场景下如何对这些评论进行分析挖掘,从而得出情感倾向是一件有意义并且值得探究的事情。因为它不仅可以为需要购买商品的消费者提供一些借鉴和一定程度上的参考,同时还能帮助卖家不断完善商品质量,提高服务水平。本文主要研究基于机器学习和深度学习的情感属性分析。文章首先比较不同的分词技术对模型产生的影响,从而找出较好的分词工具。通过对结巴分词、pyhanlp分词和snownlp分词进行对比,发现无论是从分词速度还是分词质量方面,结巴分词的效果都远远好于另外两种分词技术。然后基于分词结果用word2vector训练词向量并将词向量作为输入,接着利用逻辑回归、SVM、决策树等机器学习算法,以及LSTM、BI-LSTM、注意力机制和它们之间的融合等深度学习模型,分别对本文的中文商品评论数据建立分类模型,之后利用查准率、查全率和准确率等指标评估模型效果,筛选出更适合该数据集的情感分类模型。这里词向量采用加权和非加权两种形式并对比模型的结果,发现非加权的词向量对情感倾向的区分度更高。本文还提出了 StackLSTM+注意力机制模型,即堆叠多层LSTM模型去提取更高层次的信息并结合注意力机制的神经网络,并证实了在该数据集上运用此模型的有效性。

关键词： word2vector LSTM BI-LSTM 注意力机制 StackLSTM

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

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

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

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：