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
基于实体知识的远程监督关系抽取
1
作者
马长林
孙状
《计算机工程与科学》
CSCD
北大核心
2024年第5期945-950,共6页
为了降低远程监督关系抽取标记数据的噪声,提出一种融合实体描述和自注意力机制的远程监督关系提取模型,模型基于多示例学习,考虑到实体知识和位置关系的综合作用,采用词、实体、实体描述和相对位置的拼接向量作为模型输入,将分段卷积...
为了降低远程监督关系抽取标记数据的噪声,提出一种融合实体描述和自注意力机制的远程监督关系提取模型,模型基于多示例学习,考虑到实体知识和位置关系的综合作用,采用词、实体、实体描述和相对位置的拼接向量作为模型输入,将分段卷积神经网络作为句子编码器,结合改进的结构化自注意力机制,捕捉特征内部相关性,并构造头实体和尾实体的差向量作为注意力机制的监督信息,为句子分配权重。在纽约时报数据集上的实验结果表明,与已有模型相比,本文模型的性能指标均达到最大值。
展开更多
关键词
关系抽取
实体
实体描述
分段卷积神经网络
自注意力机制
下载PDF
职称材料
基于自注意力与分段卷积神经网络的实体关系抽取
被引量：
4
2
作者
李子茂
张玥
+2 位作者
尹帆
郑禄
白鑫
《中南民族大学学报（自然科学版）》
CAS
北大核心
2022年第3期326-332,共7页
远程监督通过已有知识库的关系三元组和自然语言文本语料库进行启发式匹配,获得数据来完成关系抽取任务,解决有监督学习方法完全依赖人工标注数据的问题,但远程监督数据中会存在大量噪声关系标签.针对以上问题,提出了一种结合自注意力...
远程监督通过已有知识库的关系三元组和自然语言文本语料库进行启发式匹配,获得数据来完成关系抽取任务,解决有监督学习方法完全依赖人工标注数据的问题,但远程监督数据中会存在大量噪声关系标签.针对以上问题,提出了一种结合自注意力机制和分段卷积神经网络的实体关系抽取模型SAPCNN,首先通过自注意力机制捕获词与词之间的全局相关性,解决在对语料句子进行卷积操作时仅关注当前窗口内容的问题;然后将包含相同实体对的语句划分为一个包,利用多实例学习和包内注意力机制计算包中每个句子的注意力权重,从而找到更能表达实体对之间语义关系的句子语料.实验结果显示:SAPCNN能提高实体关系抽取的精确率,结果优于主流算法.
展开更多
关键词
实体关系抽取
远程监督
自注意力机制
分段卷积神经网络
包内注意力机制
下载PDF
职称材料
基于PCNN的工业制造领域质量文本实体关系抽取方法
被引量：
4
3
作者
张彤
宋明艳
+1 位作者
王俊
白洋
《信息技术与网络安全》
2021年第3期8-13,共6页
对汽车、机械等工业制造行业的质量报告进行关系抽取,对于该行业质量知识图谱、质量问答系统等研究有着极为重要的意义。针对在工业制造领域的质量知识图谱构建过程中尚无公开数据集可用的情况,收集了质量文本并进行相应的专业标注,构...
对汽车、机械等工业制造行业的质量报告进行关系抽取,对于该行业质量知识图谱、质量问答系统等研究有着极为重要的意义。针对在工业制造领域的质量知识图谱构建过程中尚无公开数据集可用的情况,收集了质量文本并进行相应的专业标注,构建了工业制造领域质量知识图谱关系抽取专业数据集。基于该数据集利用分段卷积神经网络(Piecewise Convolutional Neural Network,PCNN)实现关系抽取,然后根据中文特性,提出了改进的PCNN模型(C-PCNN),以提升在中文语料中关系抽取的性能。在本文构建的数据集中,改进后模型的准确率、召回率以及F1值优于对比的PCNN和RNN模型,验证了该方法的可行性和有效性。该研究对从事制造行业的人员有一定的实际意义。
展开更多
关键词
制造行业
质量文本
关系抽取
分段卷积神经网络
下载PDF
职称材料
基于并行混合网络的生鲜水果短文本情感分类
4
作者
潘梦强
董微
张青川
《科学技术与工程》
北大核心
2022年第10期4055-4062,共8页
为了提升生鲜水果领域短文本情感分类的准确率,提出了一种并行混合网络的情感分类模型。针对食品领域出现较多的一词多义现象,采用双向编码器表征模型(bidirectional encoder representations from transformers,BERT)来提供词的向量化...
为了提升生鲜水果领域短文本情感分类的准确率,提出了一种并行混合网络的情感分类模型。针对食品领域出现较多的一词多义现象,采用双向编码器表征模型(bidirectional encoder representations from transformers,BERT)来提供词的向量化表示;针对生鲜食品评论特殊的结构,采用分段池化卷积神经网络(piecewise convolutional neural network,PCNN)与双向门控循环单元(bidirectional gated recurrent unit,BiGRU)并行的模型来对文本序列进行特征的提取,最终使用Sigmoid来进行情感分类。为保证实验的公允,在公开数据集上进行实验。结果表明,本文模型准确率达到了94.25%和85.88%。同时发现当PCNN选取合适的分段数之后,也能达到一个较好的效果,其准确率,召回率,F_(1)均高于复杂度更高的BiGRU模型。提出的模型在生鲜水果短文本的情感分类中表现良好,但是对于其他的生鲜食品表现未知。
展开更多
关键词
情感分析
分段池化卷积神经网络
BERT模型
双向门控循环单元
在线评论
下载PDF
职称材料
题名
基于实体知识的远程监督关系抽取
1
作者
马长林
孙状
机构
华中师范大学计算机学院
出处
《计算机工程与科学》
CSCD
北大核心
2024年第5期945-950,共6页
基金
国家自然科学基金(62272189)。
文摘
为了降低远程监督关系抽取标记数据的噪声,提出一种融合实体描述和自注意力机制的远程监督关系提取模型,模型基于多示例学习,考虑到实体知识和位置关系的综合作用,采用词、实体、实体描述和相对位置的拼接向量作为模型输入,将分段卷积神经网络作为句子编码器,结合改进的结构化自注意力机制,捕捉特征内部相关性,并构造头实体和尾实体的差向量作为注意力机制的监督信息,为句子分配权重。在纽约时报数据集上的实验结果表明,与已有模型相比,本文模型的性能指标均达到最大值。
关键词
关系抽取
实体
实体描述
分段卷积神经网络
自注意力机制
Keywords
relation
extraction
entity
entity
description
piecewise
convolutional
neural
network
self-attention
mechanism
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
基于自注意力与分段卷积神经网络的实体关系抽取
被引量：
4
2
作者
李子茂
张玥
尹帆
郑禄
白鑫
机构
中南民族大学计算机科学学院&湖北省制造企业智能管理工程技术研究中心
出处
《中南民族大学学报（自然科学版）》
CAS
北大核心
2022年第3期326-332,共7页
基金
湖北省技术创新重大专项资助项目(2019ABA101)
湖北省科技重大专项资助项目(2020AEA011)
武汉市科技计划应用基础前沿资助项目(2020020601012267)。
文摘
远程监督通过已有知识库的关系三元组和自然语言文本语料库进行启发式匹配,获得数据来完成关系抽取任务,解决有监督学习方法完全依赖人工标注数据的问题,但远程监督数据中会存在大量噪声关系标签.针对以上问题,提出了一种结合自注意力机制和分段卷积神经网络的实体关系抽取模型SAPCNN,首先通过自注意力机制捕获词与词之间的全局相关性,解决在对语料句子进行卷积操作时仅关注当前窗口内容的问题;然后将包含相同实体对的语句划分为一个包,利用多实例学习和包内注意力机制计算包中每个句子的注意力权重,从而找到更能表达实体对之间语义关系的句子语料.实验结果显示:SAPCNN能提高实体关系抽取的精确率,结果优于主流算法.
关键词
实体关系抽取
远程监督
自注意力机制
分段卷积神经网络
包内注意力机制
Keywords
entity
relation
extraction
distant
supervision
self-attention
mechanism
piecewise
convolutional
neural
network
intra-bag
attention
mechanism
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
基于PCNN的工业制造领域质量文本实体关系抽取方法
被引量：
4
3
作者
张彤
宋明艳
王俊
白洋
机构
北京京航计算通讯研究所
哈尔滨工业大学经济与管理学院
出处
《信息技术与网络安全》
2021年第3期8-13,共6页
基金
国家自然科学基金(11901544)。
文摘
对汽车、机械等工业制造行业的质量报告进行关系抽取,对于该行业质量知识图谱、质量问答系统等研究有着极为重要的意义。针对在工业制造领域的质量知识图谱构建过程中尚无公开数据集可用的情况,收集了质量文本并进行相应的专业标注,构建了工业制造领域质量知识图谱关系抽取专业数据集。基于该数据集利用分段卷积神经网络(Piecewise Convolutional Neural Network,PCNN)实现关系抽取,然后根据中文特性,提出了改进的PCNN模型(C-PCNN),以提升在中文语料中关系抽取的性能。在本文构建的数据集中,改进后模型的准确率、召回率以及F1值优于对比的PCNN和RNN模型,验证了该方法的可行性和有效性。该研究对从事制造行业的人员有一定的实际意义。
关键词
制造行业
质量文本
关系抽取
分段卷积神经网络
Keywords
industrial
manufacturing
quality
text
relation
extraction
piecewise
convolutional
neural
network
(PCNN)
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
基于并行混合网络的生鲜水果短文本情感分类
4
作者
潘梦强
董微
张青川
机构
北京工商大学电商与物流学院
出处
《科学技术与工程》
北大核心
2022年第10期4055-4062,共8页
基金
国家重点研发计划(2019YFC1606401)
北京市自然科学基金(4202014)
+1 种基金
国家自然科学基金(61873027)
教育部人文社会科学研究青年基金(20YJCZH229)。
文摘
为了提升生鲜水果领域短文本情感分类的准确率,提出了一种并行混合网络的情感分类模型。针对食品领域出现较多的一词多义现象,采用双向编码器表征模型(bidirectional encoder representations from transformers,BERT)来提供词的向量化表示;针对生鲜食品评论特殊的结构,采用分段池化卷积神经网络(piecewise convolutional neural network,PCNN)与双向门控循环单元(bidirectional gated recurrent unit,BiGRU)并行的模型来对文本序列进行特征的提取,最终使用Sigmoid来进行情感分类。为保证实验的公允,在公开数据集上进行实验。结果表明,本文模型准确率达到了94.25%和85.88%。同时发现当PCNN选取合适的分段数之后,也能达到一个较好的效果,其准确率,召回率,F_(1)均高于复杂度更高的BiGRU模型。提出的模型在生鲜水果短文本的情感分类中表现良好,但是对于其他的生鲜食品表现未知。
关键词
情感分析
分段池化卷积神经网络
BERT模型
双向门控循环单元
在线评论
Keywords
sentiment
analysis
piecewise
pooling
convolutional
neural
network
BERT
model
bidirectional
gated
recurrent
unit
online
reviews
分类号
TP393.01 [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
基于实体知识的远程监督关系抽取
马长林
孙状
《计算机工程与科学》
CSCD
北大核心
2024
0
下载PDF
职称材料
2
基于自注意力与分段卷积神经网络的实体关系抽取
李子茂
张玥
尹帆
郑禄
白鑫
《中南民族大学学报（自然科学版）》
CAS
北大核心
2022
4
下载PDF
职称材料
3
基于PCNN的工业制造领域质量文本实体关系抽取方法
张彤
宋明艳
王俊
白洋
《信息技术与网络安全》
2021
4
下载PDF
职称材料
4
基于并行混合网络的生鲜水果短文本情感分类
潘梦强
董微
张青川
《科学技术与工程》
北大核心
2022
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
