期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到3篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于E-CNN和BLSTM-CRF的临床文本命名实体识别 被引量：16
1
作者 曹春萍 关鹏举 《计算机应用研究》 CSCD 北大核心 2019年第12期3748-3751,共4页
在生物医学临床病历文本的命名实体识别任务中,传统的解决方案由于对实体的边界划分不够精确,影响了部分复合实体的识别。通过研究复合实体的特性,提出一种集成的卷积神经网络(E-CNN)模型与双向长短期记忆网络(BLSTM)和条件随机场(CRF)... 在生物医学临床病历文本的命名实体识别任务中,传统的解决方案由于对实体的边界划分不够精确,影响了部分复合实体的识别。通过研究复合实体的特性,提出一种集成的卷积神经网络(E-CNN)模型与双向长短期记忆网络(BLSTM)和条件随机场(CRF)结合的模型,通过对CNN中的卷积层设定不同卷积窗口的大小,来捕获多个词语之间更丰富的边界特征信息。然后将集成的特征信息传递给BLSTM模型进行训练,最后由CRF模型得到最终的序列标注。实验结果表明,该方法针对临床病历文本中的复合实体识别具有良好的效果。 展开更多
关键词 命名实体识别 临床文本 集成的卷积神经网络
下载PDF
基于E-CNN的情绪原因识别方法 被引量：8
2
作者 慕永利 李旸 王素格 《中文信息学报》 CSCD 北大核心 2018年第2期120-128,共9页
文本情绪原因识别作为一个新型的研究方向在文本情绪分析领域占据重要地位。该文结合卷积神经网络,提出了一种基于集成卷积神经网络的情绪原因识别方法。该方法通过词向量、卷积、池化等操作充分融合了句子的语义信息,利用多个CNN集成... 文本情绪原因识别作为一个新型的研究方向在文本情绪分析领域占据重要地位。该文结合卷积神经网络,提出了一种基于集成卷积神经网络的情绪原因识别方法。该方法通过词向量、卷积、池化等操作充分融合了句子的语义信息,利用多个CNN集成降低数据不平衡性对情绪原因识别的影响,克服了传统情绪原因识别方法的繁琐规则制定、特征抽取、特征空间降维等过程。实验结果表明,该文的方法在情绪原因识别方面取得了较好的效果,对于情绪归因的方法研究具有一定的指导作用。 展开更多
关键词 情绪原因识别 e-cnn 卷积 池化
下载PDF
基于卷积神经网络多特征联合的车辆识别模型 被引量：7
3
作者 刘泽康 孙华志 +1 位作者 马春梅 姜丽芬 《计算机科学》 CSCD 北大核心 2019年第B06期254-258,共5页
车辆识别在智能交通领域中发挥着重要的作用,其可被用于违章抓拍、交通拥堵报警和自动驾驶等众多领域。文中提出结合车辆边缘联合建模的方法进行车辆识别。边缘联合卷积神经网络(E-CNN)通过简单有效的多特征联合方法提高了识别精度和模... 车辆识别在智能交通领域中发挥着重要的作用,其可被用于违章抓拍、交通拥堵报警和自动驾驶等众多领域。文中提出结合车辆边缘联合建模的方法进行车辆识别。边缘联合卷积神经网络(E-CNN)通过简单有效的多特征联合方法提高了识别精度和模型收敛速度。为了验证E-CNN的性能,将多特征联合模型与VGG16和GoogLeNet模型进行对比。实验结果表明,所提模型的收敛速度相比VGG16和GoogLeNet有明显的优势,并且在有效时间内识别率达到了99.90%,高于VGG16的99.82%和GoogLeNet的99.35%。 展开更多
关键词 边缘联合卷积神经网络 车辆识别 边缘特征 特征融合
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部