期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
一种多粒度多注意力交互匹配网络模型在金融领域智能问答系统的对话改进研究
1
作者 周抒 王昊 +2 位作者 施国良 石斌 裘靖文 《数据分析与知识发现》 EI CSSCI CSCD 北大核心 2024年第8期240-250,共11页
【目的】针对金融领域智能问答系统多轮对话中存在的回复不准确、返回多结果中精确度不足以及一词多义问题,构建多粒度多注意力交互匹配模型。【方法】提出基于BERT的多粒度多注意力交互匹配模型(MGMAI),MGMAI包含预处理层、表示层、注... 【目的】针对金融领域智能问答系统多轮对话中存在的回复不准确、返回多结果中精确度不足以及一词多义问题,构建多粒度多注意力交互匹配模型。【方法】提出基于BERT的多粒度多注意力交互匹配模型(MGMAI),MGMAI包含预处理层、表示层、注意力交互层、语义聚合层和对话选择层,聚焦于对话中的关键信息并利用这些信息实现高效的对话匹配。【结果】MGMAI模型被应用于两个公开的多轮对话数据集上进行训练与验证,并在金融领域多轮对话数据上进行微调,实验结果表明,MGMAI在R10@1、R10@2、R10@5指标上比先进的深度语境建模模型高出0.019、0.010和0.007。【局限】仅在金融领域智能问答系统中进行测试,未在其他领域或更多样化的数据集上验证模型的泛化能力。【结论】MGMAI模型能有效提升金融领域智能问答系统中的多轮对话准确度和系统处理多义性问题的能力,对于类似的多轮对话系统,该模型展现出潜在的应用价值和改进空间。 展开更多
关键词 多轮对话 多粒度 多注意力
原文传递
面向知识图谱生成的非遗丝织领域实体关系抽取研究
2
作者 王昊 李晓敏 +2 位作者 布文茹 赵梓博 邓三鸿 《数据分析与知识发现》 EI CSSCI CSCD 北大核心 2024年第8期179-190,共12页
【目的】针对当前非遗领域实体关系抽取与图谱构建研究面临的标注数据缺乏问题,提出一种轻标注关系抽取方案。【方法】以丝织领域文本为数据源,构建SREP模型,结合领域术语词典和LTP工具进行实体识别。随后利用BERT模型将实体及其上下文... 【目的】针对当前非遗领域实体关系抽取与图谱构建研究面临的标注数据缺乏问题,提出一种轻标注关系抽取方案。【方法】以丝织领域文本为数据源,构建SREP模型,结合领域术语词典和LTP工具进行实体识别。随后利用BERT模型将实体及其上下文进行向量化表示,并采用多种聚类算法对不同特征组合进行关系抽取实验,以确定最优算法和特征组合。再以Bootstrapping主动学习方式进行关系实例拓展,最终将抽取的关系三元组导入Gephi构建领域知识图谱。【结果】实验结果表明,结合实体中间文本特征与实体类型特征组合的K-means算法在关系抽取实验中取得最优效果,并抽取出5类关系。在关系实例拓展阶段,LR算法较适用于主动学习方法,准确率达到0.860,相较于基线模型提高0.105。【局限】模型效果需要在更大规模数据集、不同文化领域的关系抽取中进一步验证。【结论】本文所提模型能够在降低标注数据依赖的基础上有效提取非遗文本中的实体关系,实现非遗结构化文本的语义挖掘和利用。 展开更多
关键词 非遗 丝织 关系抽取 知识图谱 无监督 主动学习
原文传递
知识重组视角下古诗典故词关联研究:一种融合细粒度共引关系和语义特征的方法
3
作者 李晓敏 王昊 +1 位作者 布文茹 周抒 《信息资源管理学报》 CSSCI 2024年第6期131-142,共12页
在知识重组相关理论与技术的指导下,对典故文化资源进行语义挖掘和组织,促进典故文化的传承与利用。本文提出了一种融合细粒度共引关系和语义特征实现典故词关联的模型。首先依据古诗与典故词间的引用关系构建共引网络,再将细粒度共引... 在知识重组相关理论与技术的指导下,对典故文化资源进行语义挖掘和组织,促进典故文化的传承与利用。本文提出了一种融合细粒度共引关系和语义特征实现典故词关联的模型。首先依据古诗与典故词间的引用关系构建共引网络,再将细粒度共引关系位置共引和情感共引加入到共引网络中,初步构建细粒度共引网络,之后利用Doc2vec获得每个典故词的语义特征,并整合语义特征重构共引网络,最后利用链接预测算法遍历细粒度共引网络,实现典故词的语义关联与组织。同时从路径角度对关联结果进行分析,探索规律性领域知识。本研究构建了一个包含5869个节点和27032条边的共引网络,提出的加入位置共引和情感共引以及语义特征的典故词关联方法效果达到了0.963,且相较于细粒度共引关系,语义特征在典故词关联中作用更为显著。此外,路径角度分析关联结果发现共引网络中的典故词关系紧密,最短路径阶数与典故词对的数量以及相似度均呈负相关关系。 展开更多
关键词 知识重组 典故词 共引网络 语义特征 链路预测
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部