检索结果-南通市图书馆

基于fastText模型的词向量表示改进算法

在线全文

学校读者我要写书评

暂无评论

福州大学学报（自然科学版） 2019年第3期47卷 314-319页

作者：阴爱英吴运兵郑一江余小燕福州大学至诚学院计算机工程系福建福州350002 福州大学数学与计算机科学学院福建福州350108

传统词向量表示模型往往忽视了单词间的句法形态结构,导致模型预测准确率不高.为此,提出基于fastText模型的词向量表示改进算法.首先,在训练模型数据集上,引入stopwords处理技术,剔除一些无意义介词等对预测模型干扰,减少噪声数据;其次... 详细信息

传统词向量表示模型往往忽视了单词间的句法形态结构,导致模型预测准确率不高.为此,提出基于fastText模型的词向量表示改进算法.首先,在训练模型数据集上,引入stopwords处理技术,剔除一些无意义介词等对预测模型干扰,减少噪声数据;其次,针对fastText模型中n-gram分解格式进行限定,将分解条件设置为符合英文单词的组成结构;最后,去除fastText模型中单词前后缀标记符,减少无用分解对模型预测产生干扰.实验结果表明,与fastText模型相比,所提出的改进模型在单词关系评分、语义相似性、句法相似性均取得较好的准确率.

关键词：词向量 skip-gram模型 fastText模型自然语言处理

融合词性和位置信息的增强词向量学习模型研究

在线全文

学校读者我要写书评

暂无评论

融合词性和位置信息的增强词向量学习模型研究

作者：刘其磊华中科技大学

学位级别：硕士

随着互联网技术的快速发展,人们可获取数据的规模和数据的复杂度都在急剧增长。传统的基于特征工程的机器学习方法由于使用具有维度灾难问题和语义鸿沟问题的One Hot向量作为特征表示,在性能上渐渐达到了瓶颈。随着深度学习技术在自然... 详细信息

随着互联网技术的快速发展,人们可获取数据的规模和数据的复杂度都在急剧增长。传统的基于特征工程的机器学习方法由于使用具有维度灾难问题和语义鸿沟问题的One Hot向量作为特征表示,在性能上渐渐达到了瓶颈。随着深度学习技术在自然语言处理(Natural language processing,NLP)领域取得的成功,词向量表示技术作为深度学习的基础受到了广泛的关注。目前针对词向量的研究工作侧重于通过优化模型结构以减少模型复杂度或是利用跨语言信息、情感信息等因素来增强词向量的学习。但词性信息作为自然语言中重要的因素,几乎很少被考虑到,因此为了能够充分利用词性这一重要因素提出融合词性和位置信息的增强skip-gram词向量学习模型。该模型借助已有的词性标注工具对单词进行词性标注,并通过构建单词间的词性关联关系矩阵对词性关联关系进行建模,再利用建模后的词性与位置信息帮助在给定目标词时预测上下文单词这一条件概率的计算,从而将单词间的词性关联关系与位置信息用于词向量的训练过程中,关联关系矩阵中的权值在模型训练过程中随着其他参数一同更新。最后将在不同的训练集上训练得到的词向量分别通过单词类比任务和单词相似度任务实验来验证新模型的有效性。实验结果表明提出的新模型在两类任务的性能结果上都有一定程度的提升,尤其对罕见字的学习效果更加显著。说明词性和位置信息在词向量的学习中扮演着重要角色。

关键词：词向量词性词性关联关系矩阵位置 skip-gram模型

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

基于信息传播节点集的CTDN节点分类算法

计算机工程 2021年第6期47卷 188-196页

作者：黄鑫李赟熊瑾煜中国人民解放军战略支援部队信息工程大学信息系统工程学院郑州450001 盲信号处理国家级重点实验室成都610041

针对连续时间动态网络的节点分类问题,根据实际网络信息传播特点定义信息传播节点集,改进网络表示学习的节点序列采样策略,并设计基于信息传播节点集的连续时间动态网络节点分类算法,通过网络表示学习方法生成的节点低维向量以及OpenNE... 详细信息

针对连续时间动态网络的节点分类问题,根据实际网络信息传播特点定义信息传播节点集,改进网络表示学习的节点序列采样策略,并设计基于信息传播节点集的连续时间动态网络节点分类算法,通过网络表示学习方法生成的节点低维向量以及OpenNE框架内的LogicRegression分类器,获得连续时间动态网络的节点分类结果。实验结果表明,与CTDNE和STWalk算法相比,该算法在实验条件相同的情况下,网络表示学习结果的二维可视化效果更优且最终的网络节点分类精度更高。

关键词：信息传播节点集连续时间动态网络网络表示学习节点分类随机游走 skip-gram模型

在线全文

学校读者我要写书评

暂无评论

基于同质子图变换的异质网络表示学习

计算机工程 2019年第11期45卷 204-212页

作者：尹赢吉立新程晓涛黄瑞阳刘正铭国家数字交换系统工程技术研究中心

目前针对信息网络的研究多数基于同质网络,关于异质信息网络的网络表示学习研究相对较少。为此,提出一种结合不同元路径将异质信息网络转化成带权同质子图的网络表示学习算法。基于不同元路径在同类节点间构建带权重的连边,从异质网络... 详细信息

目前针对信息网络的研究多数基于同质网络,关于异质信息网络的网络表示学习研究相对较少。为此,提出一种结合不同元路径将异质信息网络转化成带权同质子图的网络表示学习算法。基于不同元路径在同类节点间构建带权重的连边,从异质网络中抽取出带权同质子图,通过带偏置的随机游走方式得到同类节点序列,并利用skip-gram模型生成该类节点的表示向量。实验结果表明,与只考虑单一路径的算法相比,该算法处理节点分类、相似性搜索等数据挖掘任务时均能得到较好的效果。

关键词：网络表示学习异质网络元路径同质子图随机游走 skip-gram模型

专业社交媒体中的主题图谱构建方法研究——以汽车论坛为例

在线全文

学校读者我要写书评

暂无评论

情报学报 2020年第1期39卷 68-80页

作者：林杰苗润生同济大学经济与管理学院

专业社交媒体中主题图谱的内容包括论坛中的主题及主题之间的关系,其具有挖掘专业产品创新方向、构建专业知识索引等重要应用价值。本文基于深度学习技术与文本挖掘技术,提出了专业社交媒体中的主题图谱构建方法。首先,使用专业社交媒... 详细信息

专业社交媒体中主题图谱的内容包括论坛中的主题及主题之间的关系,其具有挖掘专业产品创新方向、构建专业知识索引等重要应用价值。本文基于深度学习技术与文本挖掘技术,提出了专业社交媒体中的主题图谱构建方法。首先,使用专业社交媒体中的文本训练skip-gram模型,利用该模型的隐藏层权重与模型输出的预测结果,分别获取词语间的语义相似度与上下文关联度。其次,基于该语义相似度与上下文关联度,对已有领域种子本体词汇进行扩充,将语义相似或上下文相邻近的词汇纳入本体词汇,为主题抽取提供高质量的领域词汇。然后,基于扩充的专业本体词汇,使用结合本体词汇的LDA主题模型从专业社交媒体文本中抽取主题与主题词。最后,利用语义相似度与上下文关联度,定义关联度权重,通过图模型与谱聚类,获取主题间与主题词的关联关系与层次结构。本文使用汽车论坛语料进行主题图谱生成实验。实验结果表明,本文方法获取的主题词纯净度相比单独使用LDA模型提升了20.2%,且能够清晰合理地展现主题之间的关系。

关键词：专业社交媒体主题图谱 skip-gram模型 LDA主题模型图模型

结合词嵌入技术的中文输入法词库取证模型研究

在线全文

学校读者我要写书评

暂无评论

警察技术 2024年第2期 73-77页

作者：王子昂汤艳君孙晓磊中国刑事警察学院山东警察学院

中文输入法软件在日常生活中的使用非常频繁,词库包含许多能够反应用户行为习惯的关键词。目前关于中文输入法词库的取证研究多为对词库中存储字词的提取与词频分析,并不能高效地为侦查人员提供案件相关线索。针对以上问题,提出了结合... 详细信息

中文输入法软件在日常生活中的使用非常频繁,词库包含许多能够反应用户行为习惯的关键词。目前关于中文输入法词库的取证研究多为对词库中存储字词的提取与词频分析,并不能高效地为侦查人员提供案件相关线索。针对以上问题,提出了结合词嵌入技术的中文输入法词库取证模型,在输入法取证中使用Word2Vec算法中的skip-gram模型提取案件相关文本的词向量,并结合向量的关联性分析,补充字典。通过将基于该模型研发的取证工具与常见电子数据取证工具对同一检材的取证结果进行对比,可以验证模型相对高效地提取词库中与案件相关的关键词,为公安机关打击违法犯罪提供借鉴。

关键词：词嵌入技术中文输入法词库电子数据取证 skip-gram模型

在线全文

学校读者我要写书评

暂无评论

基于卷积神经网络的SVM疾病症状分类模型

传感器与微系统 2020年第3期39卷 64-67,71页

作者：张强强苏变萍李敏西安建筑科技大学理学院陕西西安710055

为解决疾病症状分类时传统特征提取方法存在特征维度较高和数据稀疏的问题,以及结合卷积神经网络(CNN)和支持向量机(SVM)的优势,提出了一种基于卷积神经网络的SVM疾病症状分类模型。用skip-gram根据维基中文语料库训练词向量,构成疾病... 详细信息

为解决疾病症状分类时传统特征提取方法存在特征维度较高和数据稀疏的问题,以及结合卷积神经网络(CNN)和支持向量机(SVM)的优势,提出了一种基于卷积神经网络的SVM疾病症状分类模型。用skip-gram根据维基中文语料库训练词向量,构成疾病症状文本二维特征矩阵,即卷积神经网络的输入层;通过卷积层提取文本特征,使用1-max pooling策略在池化层得到文本的局部最优特征;将局部最优特征组成融合特征向量作为SVM分类器的输入得到分类结果。经过与传统特征提取算法和CNN算法的实验结果的对比,验证了提出的模型在准确率、召回率和F1三个评价指标上均有显著提高。

关键词：疾病症状分类词向量卷积神经网络支持向量机 skip-gram模型

在线全文

学校读者我要写书评

暂无评论

基于多元判别分析的汉语句群自动划分方法

计算机应用 2015年第5期35卷 1314-1319页

作者：王荣波李杰黄孝喜周昌乐谌志群王小华杭州电子科技大学认知与智能计算研究所杭州310018 厦门大学智能科学与技术系福建厦门361005

针对目前句群划分工作缺乏计算语言学数据支持、忽略篇章衔接词的问题以及当前篇章分析较少研究句群语法单位的现象,提出一种汉语句群自动划分方法。该方法以汉语句群理论为指导,构建汉语句群划分标注评测语料,并且基于多元判别分析(MDA... 详细信息

针对目前句群划分工作缺乏计算语言学数据支持、忽略篇章衔接词的问题以及当前篇章分析较少研究句群语法单位的现象,提出一种汉语句群自动划分方法。该方法以汉语句群理论为指导,构建汉语句群划分标注评测语料,并且基于多元判别分析(MDA)方法设计了一组评价函数J,从而实现汉语句群的自动划分。实验结果表明,引入切分片段长度因素和篇章衔接词因素可以改善句群划分性能,并且利用skip-gram Model比传统的向量空间模型(VSM)有更好的效果,其正确分割率Pμ达到85.37%、错误分割率Window Diff降到24.08%。同时该方法在句群划分任务上有更大的优势,比传统MDA方法有更好的句群划分效果。

关键词：汉语句群划分多元判别分析篇章分析 skip-gram模型篇章衔接

基于图神经网络和通用漏洞分析框架的C类语言漏洞检测方法

在线全文

学校读者我要写书评

暂无评论

信息网络安全 2022年第10期22卷 59-68页

作者：朱丽娜马铭芮朱东昭广东警官学院网络信息安全系广州510442 华中科技大学网络空间安全学院武汉430074 分布式系统安全湖北省重点、实验室武汉430074 湖北省大数据安全工程技术研究中心武汉430074 中国移动信息技术有限公司黑龙江分公司哈尔滨150001

现有的自动化漏洞挖掘工具大多泛化能力较差,具有高误报率与漏报率。文章提出一种针对C类语言的多分类漏洞静态检测模型CSVDM。CSVDM运用代码相似性比对模块与通用漏洞分析框架模块从源码层面进行漏洞挖掘,代码相似性比对模块运用最长... 详细信息

现有的自动化漏洞挖掘工具大多泛化能力较差,具有高误报率与漏报率。文章提出一种针对C类语言的多分类漏洞静态检测模型CSVDM。CSVDM运用代码相似性比对模块与通用漏洞分析框架模块从源码层面进行漏洞挖掘,代码相似性比对模块运用最长公共子序列(Longest Common Subsequence,LCS)算法与图神经网络对待检测源码与漏洞模板实施代码克隆与同源性检测,根据预设阈值生成漏洞相似度列表。通用漏洞分析框架模块对待检测源码进行上下文依赖的数据流与控制流分析,弥补了代码相似性比对模块在检测不是由代码克隆引起的漏洞时高假阴性的缺陷,生成漏洞分析列表。CSVDM综合漏洞相似度列表与漏洞分析列表,生成最终的漏洞检测报告。实验结果表明,CSVDM相较于Checkmarx等漏洞挖掘工具在评价指标方面有较大幅度提升。

关键词：通用漏洞分析框架 LCS算法 skip-gram模型图神经网络图注意力机制