期刊导航
期刊开放获取
cqvip
退出
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
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
检索
高级检索
期刊导航
共找到
2
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:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于回归树集成学习方法的工业增长预测和分析
被引量:
1
1
作者
陈磊
李丽娟
《计量经济学报》
CSCD
2024年第1期104-129,共26页
本文从众多变量中筛选出59个相关经济指标,分别考查疫情前后传统时间序列模型和几种回归树集成学习模型对中国工业增加值增速的预测效果,并结合Shapley additive explanations(SHAP)方法对相关预测变量的作用进行解释分析.研究发现,随...
本文从众多变量中筛选出59个相关经济指标,分别考查疫情前后传统时间序列模型和几种回归树集成学习模型对中国工业增加值增速的预测效果,并结合Shapley additive explanations(SHAP)方法对相关预测变量的作用进行解释分析.研究发现,随着预测步长的增加和新冠疫情的暴发,传统时间序列模型的预测性能明显减弱,而集成学习模型的预测表现则相对较好,其中梯度提升树模型在较长预测步长中更加稳健和准确.基于SHAP方法的分析发现,作为预测变量的经济指标在不同时期的重要性有所不同,除生产、投资等指标外,金融类变量在高风险时期也具有一定的预测作用,需结合具体时间和预期目标来选择合适的经济指标进行工业增长预测.基于预测的视角可在一定程度上说明新冠疫情冲击可能不会改变工业增长未来走势的基本面.
展开更多
关键词
工业增加值预测
回归树集成学习
shapley
additive
explanations
(
shap
)方法
梯度提升树模型
原文传递
基于并行异构图和序列注意力机制的中文实体关系抽取模型
2
作者
毛典辉
李学博
+2 位作者
刘峻岭
张登辉
颜文婧
《计算机应用》
CSCD
北大核心
2024年第7期2018-2025,共8页
近年来,随着深度学习技术的快速发展,实体关系抽取在许多领域取得了显著的进展。然而,由于汉语具有复杂的句法结构和语义关系,面向中文的实体关系抽取任务中仍然存在着多项挑战。其中,中文文本中的重叠三元组问题是领域中的重要难题之...
近年来,随着深度学习技术的快速发展,实体关系抽取在许多领域取得了显著的进展。然而,由于汉语具有复杂的句法结构和语义关系,面向中文的实体关系抽取任务中仍然存在着多项挑战。其中,中文文本中的重叠三元组问题是领域中的重要难题之一。针对中文文本中的重叠三元组问题,提出了一种混合神经网络实体关系联合抽取(HNNERJE)模型。HNNERJE模型以并行方式融合序列注意力机制和异构图注意力机制,并结合门控融合策略构建了深度集成框架。该模型不仅可以同时捕获中文文本的语序信息和实体关联信息,还能够自适应地调整主客体标记器的输出,从而有效解决重叠三元组问题。另外,通过引入对抗训练算法提高模型对未见样本和噪声的适应能力。运用SHAP(SHapley Additive exPlanations)方法对HNNERJE模型进行解释分析,基于模型的识别结果解析它在抽取实体和关系时所依据的关键特征。HNNERJE模型在NYT、WebNLG、CMeIE和DuIE数据集上的F1值分别达到了92.17%、93.42%、47.40%和67.98%。实验结果表明:HNNERJE模型可以将非结构化的文本数据转化为结构化的知识表示,有效提取其中蕴含的有价值信息。
展开更多
关键词
实体关系抽取
异构图
注意力机制
对抗训练
shap
方法
下载PDF
职称材料
题名
基于回归树集成学习方法的工业增长预测和分析
被引量:
1
1
作者
陈磊
李丽娟
机构
东北财经大学经济学院
东北财经大学经济计量分析与预测研究中心
出处
《计量经济学报》
CSCD
2024年第1期104-129,共26页
基金
辽宁省社会科学规划基金重点建设学科项目(L22ZD054)。
文摘
本文从众多变量中筛选出59个相关经济指标,分别考查疫情前后传统时间序列模型和几种回归树集成学习模型对中国工业增加值增速的预测效果,并结合Shapley additive explanations(SHAP)方法对相关预测变量的作用进行解释分析.研究发现,随着预测步长的增加和新冠疫情的暴发,传统时间序列模型的预测性能明显减弱,而集成学习模型的预测表现则相对较好,其中梯度提升树模型在较长预测步长中更加稳健和准确.基于SHAP方法的分析发现,作为预测变量的经济指标在不同时期的重要性有所不同,除生产、投资等指标外,金融类变量在高风险时期也具有一定的预测作用,需结合具体时间和预期目标来选择合适的经济指标进行工业增长预测.基于预测的视角可在一定程度上说明新冠疫情冲击可能不会改变工业增长未来走势的基本面.
关键词
工业增加值预测
回归树集成学习
shapley
additive
explanations
(
shap
)方法
梯度提升树模型
Keywords
industrial
value
added
forecasting
regression
tree
integrated
learning
shapley
additive
explanations
(
shap
)
method
gradient
boosting
decision
tree
model
分类号
O212.1 [理学—概率论与数理统计]
F424 [理学—数学]
原文传递
题名
基于并行异构图和序列注意力机制的中文实体关系抽取模型
2
作者
毛典辉
李学博
刘峻岭
张登辉
颜文婧
机构
食品安全大数据技术北京市重点实验室(北京工商大学)
农产品质量安全追溯技术及应用国家工程实验室(北京工商大学)
出处
《计算机应用》
CSCD
北大核心
2024年第7期2018-2025,共8页
基金
北京市自然科学基金资助项目(9232005)
北京市属高校教师队伍建设支持计划项目(BPHR20220104)。
文摘
近年来,随着深度学习技术的快速发展,实体关系抽取在许多领域取得了显著的进展。然而,由于汉语具有复杂的句法结构和语义关系,面向中文的实体关系抽取任务中仍然存在着多项挑战。其中,中文文本中的重叠三元组问题是领域中的重要难题之一。针对中文文本中的重叠三元组问题,提出了一种混合神经网络实体关系联合抽取(HNNERJE)模型。HNNERJE模型以并行方式融合序列注意力机制和异构图注意力机制,并结合门控融合策略构建了深度集成框架。该模型不仅可以同时捕获中文文本的语序信息和实体关联信息,还能够自适应地调整主客体标记器的输出,从而有效解决重叠三元组问题。另外,通过引入对抗训练算法提高模型对未见样本和噪声的适应能力。运用SHAP(SHapley Additive exPlanations)方法对HNNERJE模型进行解释分析,基于模型的识别结果解析它在抽取实体和关系时所依据的关键特征。HNNERJE模型在NYT、WebNLG、CMeIE和DuIE数据集上的F1值分别达到了92.17%、93.42%、47.40%和67.98%。实验结果表明:HNNERJE模型可以将非结构化的文本数据转化为结构化的知识表示,有效提取其中蕴含的有价值信息。
关键词
实体关系抽取
异构图
注意力机制
对抗训练
shap
方法
Keywords
entity
and
relation
extraction
heterogenous
graph
attention
mechanism
adversarial
training
shapley
additive
explanations
(
shap
)
method
分类号
TP391.1 [自动化与计算机技术—计算机应用技术]
R5 [自动化与计算机技术—计算机科学与技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于回归树集成学习方法的工业增长预测和分析
陈磊
李丽娟
《计量经济学报》
CSCD
2024
1
原文传递
2
基于并行异构图和序列注意力机制的中文实体关系抽取模型
毛典辉
李学博
刘峻岭
张登辉
颜文婧
《计算机应用》
CSCD
北大核心
2024
0
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部