-
题名基于元嵌入的跨语言词嵌入方法研究
被引量：1
- 1
-
-
作者
韩越
艾山·吾买尔
-
机构
新疆大学信息科学与工程学院
新疆大学新疆多语种信息技术实验室
-
出处
《现代计算机》
2021年第20期20-25,32,共7页
-
基金
自治区高校科研计划自然科学项目(No.XJUEDU2019I004)
国家自然科学基金项目(No.61662077)。
-
文摘
跨语言词嵌入在自然语言处理任务中扮演着重要角色。现流行的跨语言词嵌入方法都基于一个同构假设,该假设认为不同语言的词嵌入空间具有相似的结构。然而,该同构假设在远距离语言对以及低资源上面临着巨大挑战。对此,提出对不同设置下的词嵌入进行融合创建元嵌入的方法提高跨语言词嵌入的质量。在EN-ZH上的实验结果表明,提出的元嵌入方法在跨语言词嵌入上的有效性。
-
关键词
跨语言词嵌入
元嵌入
低资源
同构假设
-
Keywords
Cross-Language Word embedding
meta-embedding
Low Resources
Isomorphic Hypothesis
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
-
题名基于多元信息嵌入与协同神经网络的力学实体识别算法
- 2
-
-
作者
张家熔
苑津莎
许珈宁
罗志宏
-
机构
华北电力大学电子与通信工程系
国网阜新供电公司电力调度控制中心
华北电力大学自动化系
-
出处
《计算机工程》
CAS
CSCD
北大核心
2023年第7期125-134,共10页
-
基金
中央高校基本科研业务费专项资金(2020JG006)。
-
文摘
自动抽取力学问题中的关键实体是力学问题自动解答的重要手段。然而,与开放域相比,力学问题具有大量的专业词汇和较长的实体,其识别难度高,准确率低。针对该问题,基于图注意力网络(GAT)和Transformer编码器提出一种用于力学问题关键实体抽取的实体识别算法。针对汉语的特点设计一个包括字符信息、词汇信息和部首信息的多元信息嵌入用于增强中文句子表示。提出结构图和语境图两个图模型对中文句子进行建模,并设计一种协同架构,该架构使用两个独立的GAT整合多元信息并学习句子的上下文信息。为平衡词汇信息与部首信息对中文字符的影响,提出一种协同Transformer架构,该架构由字符-词汇Transformer与字符-部首Transformer构成,并增加词汇-部首注意力偏置,从而增强模型的识别能力。在自建的数据集上进行多组对比实验,结果表明,在力学问题实体识别任务中,相对于WCGCN算法,该算法在精度、召回率和F1值上分别提高1.92、0.99和1.44个百分点,能够有效提取力学问题中的关键信息。
-
关键词
命名实体识别
多元信息嵌入
图注意力网络
Transformer架构
注意力机制
-
Keywords
Named Entity Recognition(NER)
Multi-meta Information embedding(MMIE)
Graph Attention Network(GAT)
Transformer architecture
attention mechanism
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名多重放大的医学图像超分辨率重建
被引量：4
- 3
-
-
作者
章伟帆
曾庆鹏
-
机构
南昌大学信息工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2022年第23期230-237,共8页
-
基金
江西省自然科学基金(20171BAB202027)。
-
文摘
针对当前大多数基于深度学习的医学图像超分辨率重建方法存在放大因子单一的问题,提出一种多重放大的医学图像超分辨率重建网络模型。以密集残差网络为基础,特征提取级联多个改进连接的密集残差块,降低连接复杂度至对数级,避免浅层的医学图像特征被反复处理。特征图重建采用元信息直接嵌入模式,利用一个小型网络学习不同放大因子任务间的通用知识,实现不同重建任务的整合。将不同放大因子任务对齐至同一维度,实现对小数重建任务的支持。实验结果表明,所提方法与深度卷积(VDSR)等典型方法相比,在峰值信噪比(PSNR)与结构相似度(SSIM)上仍有0.17~1.57 dB与0.0022~0.0425的提升。
-
关键词
超分辨率
深度学习
密集残差
元信息嵌入
医学图像
-
Keywords
super-resolution
deep learning
residual dense
meta-information embedding
medical image
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
