-
题名基于深度学习表示的医学主题语义相似度计算研究
被引量：5
- 1
-
-
作者
黄承宁
李双梅
景波
-
机构
南京工业大学浦江学院
南京审计大学
-
出处
《计算机与数字工程》
2022年第6期1149-1152,共4页
-
基金
国家自然科学基金项目(编号:61702229)
江苏省高等学校自然科学研究项目(编号:18KJD520001)
南京工业大学浦江学院人才培养工程计划项目(编号:njpji2019-2-01)资助。
-
文摘
针对医疗文本中主流搜索方法大多采用关键字抽取的方法进行问题的搜索效果不足以满足需求。论文提出使用基于深度学习的语言概率模型构建文本向量空间,通过计算统计词语在文本数据中上下文背景的出现概率,将文本信息由字符串转化为向量化数据进行语义相似度计算,使用神经网络深度学习框架进行搜索方法的算法优化实现。实验显示,该方法测试结果在精度指标上取得了高于文档数据集精度基准线值的表现,对比原有方法存在20%的提升。
-
关键词
深度学习
语义相似度
神经网络
语言概率模型
-
Keywords
deep learning
semantic similarity
neural network
probabilistic language modeling
-
分类号
TP273.5
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于Word2vec的语义查询扩展方法
被引量：1
- 2
-
-
作者
章露露
吕晓伟
-
机构
昆明理工大学信息工程与自动化学院
-
出处
《软件导刊》
2018年第9期48-51,共4页
-
文摘
查询扩展是信息检索领域重要研究内容。为了解决信息检索过程中用户提交查询时描述不准确以及查询词不匹配的问题,提出一种基于Word2vec的语义查询扩展方法。使用分布式神经语言概率模型Word2vec训练低维词向量,选取扩展词候选集,利用面向扩展词的查询向量生成方法过滤候选集,使选取的扩展词能更有效地体现整个查询的语义及语法相关性。实验结果表明基于Word2vec的语义查询扩展方法使查全率及查准率均有提高,因此该方法能很好地应用于查询扩展领域。
-
关键词
查询扩展
分布式神经语言概率模型
Word2vec
面向扩展词
语义相关性
-
Keywords
query expansion
distributed neural language probability model
Word2vec
expansion oriented words
semantic relevance
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-
