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
4
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
低资源方面级情感分析研究综述
被引量：
3
1
作者
陈壮
钱铁云
+5 位作者
李万理
张婷
周燊
钟鸣
祝园园
刘梦赤
《计算机学报》
EI
CAS
CSCD
北大核心
2023年第7期1445-1472,共28页
方面级情感分析(Aspect-Based Sentiment Analysis)旨在识别文本中用户对于特定对象所表达的观点信息,是情感计算领域的前沿课题,近年来受到学术界和工业界的广泛关注.方面级情感分析涉及到方面词、观点词、方面类别和情感极性等多种要...
方面级情感分析(Aspect-Based Sentiment Analysis)旨在识别文本中用户对于特定对象所表达的观点信息,是情感计算领域的前沿课题,近年来受到学术界和工业界的广泛关注.方面级情感分析涉及到方面词、观点词、方面类别和情感极性等多种要素,并相应地构成了多种目标任务.随着自然语言处理技术的高速发展,研究者们针对方面级情感分析提出了众多解决方案,在性能表现上取得了一定进展.然而,受限于方面级情感分析高昂的标注代价,现有研究大多局限于特定的语言和领域,训练样本不足导致的低资源场景阻碍了相关方法的进一步拓展与应用.本文首先从方面级情感分析相关定义出发,对其所涉及的各种要素及任务进行了阐述,并介绍了常用数据集及评价指标;其次,针对方面级情感分析包含的基本任务和扩展任务,详细深入地综述和分析了相关模型的发展历程;再次,对于低资源场景下的方面级情感分析任务,从模型和数据两个层面对现有改进策略进行了归纳和对比;最后,对低资源方面级情感分析的未来研究趋势进行了展望和总结.
展开更多
关键词
低资源场景
方面级情感分析
数据增强
领域适应
信息抽取
下载PDF
职称材料
迁移学习在低资源场景实体识别中的应用研究
被引量：
1
2
作者
杜鹏
张有明
+1 位作者
朱郑州
李国才
《计算机科学与探索》
CSCD
北大核心
2023年第4期912-921,共10页
实体识别是信息抽取工作中的一项基础性工作。目前在缺乏足够的标注语料的低资源场景下如何有效识别实体,仍是自然语言处理中的一项挑战性工作。结合预训练模型,采用一种“统一编码-分离解码”解决方案,学习大规模领域实体抽象边界信息...
实体识别是信息抽取工作中的一项基础性工作。目前在缺乏足够的标注语料的低资源场景下如何有效识别实体,仍是自然语言处理中的一项挑战性工作。结合预训练模型,采用一种“统一编码-分离解码”解决方案,学习大规模领域实体抽象边界信息,基于迁移学习,将大规模领域实体边界抽象信息迁移到低资源场景,提高低资源场景实体识别精度。与现有方法不同的是,仅在解码前对特征向量进行适配。设计了一种自适应模块对统一编码方式得到的每一特征向量按照目标域的实体类型和标注方式维度进行单独解码,确定每个实体的标注方式,避免复杂的实体嵌套问题。基于公开数据集的实验结果表明:相较于BERT-BiLSTM-CRF基线模型,在医药领域低资源场景下,精确率提高4个百分点,召回率提高5.4个百分点,F1提高4.72个百分点;在人事领域低资源场景下,精确率提高31.91个百分点,召回率提高31.7个百分点,F1提高31.86个百分点。基于自主采集整理数据集的实验结果也表明了模型在低资源场景下进行实体识别的有效性,相较于Lattice-BERT模型,在精确率、召回率等方面有所提高。
展开更多
关键词
迁移学习
实体识别
低资源场景
序列标注
下载PDF
职称材料
基于迁移学习的小样本事件抽取技术及军事应用展望
3
作者
刘涛
蒋国权
+2 位作者
刘姗姗
周泽云
陈涛
《火力与指挥控制》
CSCD
北大核心
2023年第10期9-17,共9页
事件抽取作为信息抽取的任务之一,旨在从非结构化文本中抽取出结构化事件信息,从而更好地应用在相关应用领域和下游任务上。基于迁移学习的事件抽取技术是当前低资源场景下的事件抽取研究的主流方法,通过设计更鲁棒的模型来迁移知识,解...
事件抽取作为信息抽取的任务之一,旨在从非结构化文本中抽取出结构化事件信息,从而更好地应用在相关应用领域和下游任务上。基于迁移学习的事件抽取技术是当前低资源场景下的事件抽取研究的主流方法,通过设计更鲁棒的模型来迁移知识,解决事件抽取面临的训练数据缺乏问题,从而提升小样本事件抽取的效果。对基于迁移学习的小样本事件抽取技术及其军事应用展望作了全面的阐述,回顾事件抽取的起源与发展,描述迁移学习事件抽取的研究背景,并重点总结目前的技术方法及其军事研究现状,提出其军事上应用展望,最后对其面临的问题挑战和未来研究热点作了分析。
展开更多
关键词
事件抽取
迁移学习
小样本
低资源场景
军事应用展望
下载PDF
职称材料
面向低资源场景的论辩挖掘方法
被引量：
1
4
作者
叶锴
魏晶晶
+2 位作者
魏冬春
王强
廖祥文
《福州大学学报（自然科学版）》
CAS
北大核心
2021年第2期156-162,共7页
针对单一领域数据进行建模求解时,在数据较为匮乏的新兴领域中论辩挖掘任务难以开展的问题,提出一种面向低资源场景的多任务学习的论辩挖掘方法.该方法首先通过卷积神经网络和高速神经网络对原文本的字符信息进行编码,获得多个数据集在...
针对单一领域数据进行建模求解时,在数据较为匮乏的新兴领域中论辩挖掘任务难以开展的问题,提出一种面向低资源场景的多任务学习的论辩挖掘方法.该方法首先通过卷积神经网络和高速神经网络对原文本的字符信息进行编码,获得多个数据集在词级的共享信息表示;然后由有序神经元-长短时记忆循环神经网络进一步处理词级信息和任务相关特征的联合表示,挖掘文本中潜藏的层级结构信息;最后使用条件随机场进行求解.采用德国UKP实验室的六个数据集进行相关的对比实验.实验结果表明,所提出的方法在宏观F1值上较基准模型有1%~2%的提升,有效地提升模型的整体性能.
展开更多
关键词
论辩挖掘
神经网络
多任务学习
低资源场景
下载PDF
职称材料
题名
低资源方面级情感分析研究综述
被引量：
3
1
作者
陈壮
钱铁云
李万理
张婷
周燊
钟鸣
祝园园
刘梦赤
机构
武汉大学计算机学院
出处
《计算机学报》
EI
CAS
CSCD
北大核心
2023年第7期1445-1472,共28页
基金
国家自然科学基金项目(62276193,61572376)资助。
文摘
方面级情感分析(Aspect-Based Sentiment Analysis)旨在识别文本中用户对于特定对象所表达的观点信息,是情感计算领域的前沿课题,近年来受到学术界和工业界的广泛关注.方面级情感分析涉及到方面词、观点词、方面类别和情感极性等多种要素,并相应地构成了多种目标任务.随着自然语言处理技术的高速发展,研究者们针对方面级情感分析提出了众多解决方案,在性能表现上取得了一定进展.然而,受限于方面级情感分析高昂的标注代价,现有研究大多局限于特定的语言和领域,训练样本不足导致的低资源场景阻碍了相关方法的进一步拓展与应用.本文首先从方面级情感分析相关定义出发,对其所涉及的各种要素及任务进行了阐述,并介绍了常用数据集及评价指标;其次,针对方面级情感分析包含的基本任务和扩展任务,详细深入地综述和分析了相关模型的发展历程;再次,对于低资源场景下的方面级情感分析任务,从模型和数据两个层面对现有改进策略进行了归纳和对比;最后,对低资源方面级情感分析的未来研究趋势进行了展望和总结.
关键词
低资源场景
方面级情感分析
数据增强
领域适应
信息抽取
Keywords
low
-
resource
scenario
aspect-based
sentiment
analysis
data
augmentation
domain
adaptation
information
extraction
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
迁移学习在低资源场景实体识别中的应用研究
被引量：
1
2
作者
杜鹏
张有明
朱郑州
李国才
机构
北京大学软件与微电子学院
出处
《计算机科学与探索》
CSCD
北大核心
2023年第4期912-921,共10页
基金
国家重点研发计划(2017YFB1402400ss)。
文摘
实体识别是信息抽取工作中的一项基础性工作。目前在缺乏足够的标注语料的低资源场景下如何有效识别实体,仍是自然语言处理中的一项挑战性工作。结合预训练模型,采用一种“统一编码-分离解码”解决方案,学习大规模领域实体抽象边界信息,基于迁移学习,将大规模领域实体边界抽象信息迁移到低资源场景,提高低资源场景实体识别精度。与现有方法不同的是,仅在解码前对特征向量进行适配。设计了一种自适应模块对统一编码方式得到的每一特征向量按照目标域的实体类型和标注方式维度进行单独解码,确定每个实体的标注方式,避免复杂的实体嵌套问题。基于公开数据集的实验结果表明:相较于BERT-BiLSTM-CRF基线模型,在医药领域低资源场景下,精确率提高4个百分点,召回率提高5.4个百分点,F1提高4.72个百分点;在人事领域低资源场景下,精确率提高31.91个百分点,召回率提高31.7个百分点,F1提高31.86个百分点。基于自主采集整理数据集的实验结果也表明了模型在低资源场景下进行实体识别的有效性,相较于Lattice-BERT模型,在精确率、召回率等方面有所提高。
关键词
迁移学习
实体识别
低资源场景
序列标注
Keywords
transfer
learning
entity
recognition
low
resource
scenario
sequence
annotation
分类号
TP391.1 [自动化与计算机技术—计算机应用技术]
TP181 [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
基于迁移学习的小样本事件抽取技术及军事应用展望
3
作者
刘涛
蒋国权
刘姗姗
周泽云
陈涛
机构
国防科技大学第六十三研究所
南京信息工程大学计算机学院软件学院网络安全空间学院
装备发展部信息中心
装备发展部某局
出处
《火力与指挥控制》
CSCD
北大核心
2023年第10期9-17,共9页
基金
国家自然科学基金
国家高技术研究发展计划(863计划)资助课题(2008AA000000)。
文摘
事件抽取作为信息抽取的任务之一,旨在从非结构化文本中抽取出结构化事件信息,从而更好地应用在相关应用领域和下游任务上。基于迁移学习的事件抽取技术是当前低资源场景下的事件抽取研究的主流方法,通过设计更鲁棒的模型来迁移知识,解决事件抽取面临的训练数据缺乏问题,从而提升小样本事件抽取的效果。对基于迁移学习的小样本事件抽取技术及其军事应用展望作了全面的阐述,回顾事件抽取的起源与发展,描述迁移学习事件抽取的研究背景,并重点总结目前的技术方法及其军事研究现状,提出其军事上应用展望,最后对其面临的问题挑战和未来研究热点作了分析。
关键词
事件抽取
迁移学习
小样本
低资源场景
军事应用展望
Keywords
event
extraction
transfer
learning
small
sample
low
resource
scenario
prospect
of
military
application
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
面向低资源场景的论辩挖掘方法
被引量：
1
4
作者
叶锴
魏晶晶
魏冬春
王强
廖祥文
机构
福州大学数学与计算机科学学院
福建江夏学院电子信息科学学院
出处
《福州大学学报（自然科学版）》
CAS
北大核心
2021年第2期156-162,共7页
基金
国家自然科学基金资助项目(61976054,61772135,U1605251)
国家自然科学基金青年基金资助项目(41801324)
+1 种基金
福建省自然科学基金面上资助项目(2017J01755)
模式识别国家重点实验室开放课题基金资助项目(20190041)。
文摘
针对单一领域数据进行建模求解时,在数据较为匮乏的新兴领域中论辩挖掘任务难以开展的问题,提出一种面向低资源场景的多任务学习的论辩挖掘方法.该方法首先通过卷积神经网络和高速神经网络对原文本的字符信息进行编码,获得多个数据集在词级的共享信息表示;然后由有序神经元-长短时记忆循环神经网络进一步处理词级信息和任务相关特征的联合表示,挖掘文本中潜藏的层级结构信息;最后使用条件随机场进行求解.采用德国UKP实验室的六个数据集进行相关的对比实验.实验结果表明,所提出的方法在宏观F1值上较基准模型有1%~2%的提升,有效地提升模型的整体性能.
关键词
论辩挖掘
神经网络
多任务学习
低资源场景
Keywords
argumentation
mining
neural
network
multi-task
learning
low
resource
scenario
分类号
TP391.1 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
低资源方面级情感分析研究综述
陈壮
钱铁云
李万理
张婷
周燊
钟鸣
祝园园
刘梦赤
《计算机学报》
EI
CAS
CSCD
北大核心
2023
3
下载PDF
职称材料
2
迁移学习在低资源场景实体识别中的应用研究
杜鹏
张有明
朱郑州
李国才
《计算机科学与探索》
CSCD
北大核心
2023
1
下载PDF
职称材料
3
基于迁移学习的小样本事件抽取技术及军事应用展望
刘涛
蒋国权
刘姗姗
周泽云
陈涛
《火力与指挥控制》
CSCD
北大核心
2023
0
下载PDF
职称材料
4
面向低资源场景的论辩挖掘方法
叶锴
魏晶晶
魏冬春
王强
廖祥文
《福州大学学报（自然科学版）》
CAS
北大核心
2021
1
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
