期刊文献+
共找到28篇文章
< 1 2 >
每页显示 20 50 100
基于深度主动学习的信息安全领域命名实体识别研究 预览
1
作者 彭嘉毅 方勇 +2 位作者 黄诚 刘亮 姜政伟 《四川大学学报:自然科学版》 CAS CSCD 北大核心 2019年第3期457-462,共6页
针对通用领域模型不能很好地解决信息安全领域的命名实体识别问题,提出一种基于字符特性,双向长短时记忆网络(Bi-LSTM)与条件随机场(CRF)相结合的信息安全领域命名实体识别方法.该方法不依赖于人工选取特征,通过神经网络模型对序列进行... 针对通用领域模型不能很好地解决信息安全领域的命名实体识别问题,提出一种基于字符特性,双向长短时记忆网络(Bi-LSTM)与条件随机场(CRF)相结合的信息安全领域命名实体识别方法.该方法不依赖于人工选取特征,通过神经网络模型对序列进行标注,再利用CRF对序列标签的相关性进行约束,提高序列标注的准确性.而且,针对信息安全领域标注数据样本不足的问题,采用主动学习方法,使用少量标注样本达到较好的序列标注效果. 展开更多
关键词 信息安全 命名实体识别 主动学习 神经网络 双向短时记忆网络 条件随机场
在线阅读 免费下载
基于标签分解的口语理解模型 预览
2
作者 许莹莹 黄浩 《计算机工程》 CAS CSCD 北大核心 2019年第7期237-241,共5页
在双向长短时记忆网络的基础上,提出一种用于口语理解的标签拆分策略,并构建一个联合模型。通过将 1次 127种标签分类转换成3次独立的分类,平衡ATIS数据集的标签。针对ATIS数据集资源较少的问题,引入外部词向量以提升模型的分类性能。... 在双向长短时记忆网络的基础上,提出一种用于口语理解的标签拆分策略,并构建一个联合模型。通过将 1次 127种标签分类转换成3次独立的分类,平衡ATIS数据集的标签。针对ATIS数据集资源较少的问题,引入外部词向量以提升模型的分类性能。实验结果表明,与循环神经网络及其变体结构相比,该模型的 F 1值有显著提升,最高可达95.63 %。 展开更多
关键词 口语理解 槽填充 双向短时记忆网络 词向量 联合模型
在线阅读 下载PDF
基于多任务双向长短时记忆网络的隐式句间关系分析 预览
3
作者 田文洪 高印权 +2 位作者 黄厚文 黎在万 张朝阳 《中文信息学报》 CSCD 北大核心 2019年第5期47-53,共7页
隐式句间关系识别是篇章句间关系识别任务中一个重要的问题。由于隐式句间关系的语料没有较好的特征,目前该任务的识别仍不能达到很好的效果。隐式句间关系的语句和显式句间关系的语句在语义等方面有着一定的联系,为了充分利用这两个任... 隐式句间关系识别是篇章句间关系识别任务中一个重要的问题。由于隐式句间关系的语料没有较好的特征,目前该任务的识别仍不能达到很好的效果。隐式句间关系的语句和显式句间关系的语句在语义等方面有着一定的联系,为了充分利用这两个任务之间的联系,该论文使用多任务学习的方法,并使用双向长短时记忆(BiLSTM)网络学习语句的相关特征;同时,为充分利用文本的特征,采用融合词嵌入的方法并引入先验知识。与其他基于哈工大的中文篇章级语义关系语料库的实验结果表明,该文方法的平均F1值为53%,提升约13%;平均召回率(Recall)为51%,提升约9%。 展开更多
关键词 篇章句间关系识别 隐式句间关系 多任务学习 双向短时记忆网络 融合词嵌入
在线阅读 下载PDF
嵌入注意力机制并结合层级上下文的语音情感识别 预览
4
作者 程艳芬 陈垚鑫 +1 位作者 陈逸灵 杨益 《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2019年第11期100-107,共8页
由于情感语料问题、情感与声学特征之间关联问题、语音情感识别建模问题等因素,语音情感识别一直充满挑战性.针对传统基于上下文的语音情感识别系统仅局限于特征层造成标签层上下文细节丢失以及两层级差异性被忽略的缺陷,本文提出嵌入... 由于情感语料问题、情感与声学特征之间关联问题、语音情感识别建模问题等因素,语音情感识别一直充满挑战性.针对传统基于上下文的语音情感识别系统仅局限于特征层造成标签层上下文细节丢失以及两层级差异性被忽略的缺陷,本文提出嵌入注意力机制并结合层级上下文学习的双向长短时记忆(BLSTM)网络模型.模型分3个阶段完成语音情感识别任务,第1阶段提取情感语音特征全集后采用SVM-RFE特征排序算法降维得到最优特征子集,并对其进行注意力加权;第2阶段将加权后的特征子集输入BLSTM网络学习特征层上下文获得最初情感预测结果;第3阶段利用情感标签值对另一独立BLSTM网络训练学习标签层上下文信息并据此在第2阶段输出结果基础上完成最终预测.模型嵌入注意力机制使其自动学习调整对输入特征子集的关注度,引入标签层上下文使其联合特征层上下文实现层级上下文信息融合提高鲁棒性,提升了模型对情感语音的建模能力,在SEMAINE和RECOLA数据集上实验结果表明:与基线模型相比RMSE和CCC均得到较好改善. 展开更多
关键词 语音情感识别 注意力机制 上下文 双向短时记忆网络
在线阅读 免费下载
基于联合特征与Bi-LSTM模型的英汉双语文本情绪预测
5
作者 张真练 刘茂福 胡慧君 《武汉大学学报:理学版》 CAS CSCD 北大核心 2019年第3期269-275,共7页
英汉双语文本中的情绪可以通过英语和汉语的单语或者双语形式来表达。然而,以往的研究主要集中在单语文本的情绪分析,只有少数研究侧重于英汉双语文本。为提高英汉双语文本情绪预测效果,本文结合情绪词典方法与深度学习方法,使用联合特... 英汉双语文本中的情绪可以通过英语和汉语的单语或者双语形式来表达。然而,以往的研究主要集中在单语文本的情绪分析,只有少数研究侧重于英汉双语文本。为提高英汉双语文本情绪预测效果,本文结合情绪词典方法与深度学习方法,使用联合特征与Bi-LSTM模型来对英汉双语文本进行情绪预测。首先基于情绪词典抽取出双语文本中包含的情绪词特征,然后联合情绪词特征与双语文本特征输入至Bi-LSTM模型进行特征学习,最后将学习到的深度语义特征输入到分类器中进行情绪预测。实验结果表明,该方法对英汉双语文本的情绪预测有良好的效果。 展开更多
关键词 双向短时记忆网络 英汉双语文本 双语种情绪预测
基于AM-BiLSTM模型的情绪原因识别
6
作者 夏林旭 刘茂福 胡慧君 《武汉大学学报:理学版》 CAS CSCD 北大核心 2019年第3期276-282,共7页
文本情绪原因识别是情感分析中一个新的研究方向,旨在从文本中自动检测出导致某一情绪产生的原因。针对循环神经网络在长文中出现的长期依赖问题,本文提出了一种基于注意力机制和双向长短时记忆(attention model and bi-directional lon... 文本情绪原因识别是情感分析中一个新的研究方向,旨在从文本中自动检测出导致某一情绪产生的原因。针对循环神经网络在长文中出现的长期依赖问题,本文提出了一种基于注意力机制和双向长短时记忆(attention model and bi-directional long short-term memory,AM-BiLSTM)神经网络模型的情绪原因识别方法。该方法采用字符向量表示文本语义信息,使用BiLSTM模型提取文本特征,该过程结合了人工提取的子句特征,在训练模型时,引入了注意力机制来优化模型性能,使用softmax对子句进行分类。实验结果表明本文方法对情绪原因的识别是有效的。 展开更多
关键词 情绪原因识别 注意力机制 双向短时记忆网络 特征提取
面向专利的主题短语提取 预览
7
作者 马建红 姬帅 刘硕 《计算机工程与设计》 北大核心 2019年第5期1365-1369,1382共6页
在中文专利主题挖掘研究中,针对基于单词的传统主题模型结果可解释性较差问题,提出一种融合词向量和Ge- neralized Pólya urn(GPU)的改进模型GW _ PhraseLDA。根据专利文本特点,使用BLSTM-CRF模型进行专利短语抽取,利用训练好的词... 在中文专利主题挖掘研究中,针对基于单词的传统主题模型结果可解释性较差问题,提出一种融合词向量和Ge- neralized Pólya urn(GPU)的改进模型GW _ PhraseLDA。根据专利文本特点,使用BLSTM-CRF模型进行专利短语抽取,利用训练好的词向量生成先验知识。在Gibbs采样的迭代过程中,利用GPU策略提升语义相关短语在同一主题下的概率。在中文专利文本上的实验结果表明,所提模型能够有效提高专利主题生成质量,相比传统的主题模型更具可解释性和判别性。 展开更多
关键词 专利挖掘 短语抽取 双向短时记忆网络 条件随机场 主题模型
在线阅读 下载PDF
基于BLSTM和注意力机制的电商评论情感分类模型 预览
8
作者 潘晓英 赵普 赵倩 《计算机与数字工程》 2019年第9期2227-2232,共6页
随着互联网的飞速发展,电商评论中所包含的情感信息对商家愈发重要。面对海量数据,传统的基于情感词典和机器学习算法来进行情感分类的方法已经不再适用。为了有效学习文本特征,减少文本中冗余噪声对于情感分类的影响,提出一种基于双向... 随着互联网的飞速发展,电商评论中所包含的情感信息对商家愈发重要。面对海量数据,传统的基于情感词典和机器学习算法来进行情感分类的方法已经不再适用。为了有效学习文本特征,减少文本中冗余噪声对于情感分类的影响,提出一种基于双向长短时记忆网络(BLSTM)和注意力机制的情感分类模型。实验表明,相较于传统的机器学习方法和普通的深度学习方法,论文模型在准确率、召回率和F1值指标上均有明显提高。 展开更多
关键词 电商评论 情感分类 双向短时记忆网络 注意力机制
在线阅读 下载PDF
基于深度学习的问题回答技术研究 预览
9
作者 李家乐 吴明礼 《数字技术与应用》 2019年第2期116-117,共2页
针对非事实类问答任务,本文搭建了带有注意力机制的双向长短时记忆(BiLSTM)网络模型。实验表明,在2016NLPCC QA任务数据集上,该模型MRR可达到75.12%,优于传统的机器学习方法。
关键词 问题回答 深度学习 注意力机制 双向短时记忆网络
在线阅读 下载PDF
基于BLSTM_attention_CRF模型的新能源汽车领域术语抽取 预览 被引量:1
10
作者 马建红 张亚梅 +2 位作者 姚爽 张炳斐 郭昌宏 《计算机应用研究》 CSCD 北大核心 2019年第5期1385-1389,1395共6页
为提高新能源汽车领域术语抽取准确率,面向新能源汽车专利文本提出一种领域术语抽取模型。传统的领域术语抽取方法过度依赖人工定义特征和领域知识,无法自动挖掘隐含特征,其识别性能过度依赖所选特征的质量。从深度学习的角度出发,提出... 为提高新能源汽车领域术语抽取准确率,面向新能源汽车专利文本提出一种领域术语抽取模型。传统的领域术语抽取方法过度依赖人工定义特征和领域知识,无法自动挖掘隐含特征,其识别性能过度依赖所选特征的质量。从深度学习的角度出发,提出了一种基于attention的双向长短时记忆网络(bidirectional long short-term memory,BLSTM)与条件随机场(conditional random fields,CRF)相结合的领域术语抽取模型(BLSTM_attention_CRF模型),并使用基于词典与规则相结合的方法对结果进行校正,准确率可达到86%以上,方法切实可行。 展开更多
关键词 领域术语抽取 attention机制 双向短时记忆网络 条件随机场 词典 规则
在线阅读 下载PDF
基于BiLSTM-CRF的商情实体识别模型 预览
11
作者 张应成 杨洋 +3 位作者 蒋瑞 全兵 张利君 任晓雷 《计算机工程》 CAS CSCD 北大核心 2019年第5期308-314,共7页
结合语言模型条件随机场(CRF)和双向长短时记忆(BiLSTM)网络,构建一种BiLSTM-CRF模型,以提取商情文本序列中的招标人、招标代理以及招标编号3类实体信息。将规范化后的招标文本序列按字进行向量化,利用BiLSTM神经网络获取序列化文本的... 结合语言模型条件随机场(CRF)和双向长短时记忆(BiLSTM)网络,构建一种BiLSTM-CRF模型,以提取商情文本序列中的招标人、招标代理以及招标编号3类实体信息。将规范化后的招标文本序列按字进行向量化,利用BiLSTM神经网络获取序列化文本的前向、后向文本特征,并通过CRF提取出双向本文特征中相应的实体。实验结果表明,与传统机器学习算法CRF相比,该模型3类实体的精确率、召回率和F1值平均提升15.21 %、 12.06 %和13.70 %。 展开更多
关键词 条件随机场 双向短时记忆网络 语言模型 命名实体识别 深度学习
在线阅读 下载PDF
基于Self-Attention和Bi-LSTM的中文短文本情感分析 预览
12
作者 吴小华 陈莉 +1 位作者 魏甜甜 范婷婷 《中文信息学报》 CSCD 北大核心 2019年第6期100-107,共8页
短文本情感分析用于判断文本的情感极性,在商品评论、舆情监控等领域有重要应用。由于目前主流的基于词注意力机制的双向循环神经网络模型性能很大程度上依赖于分词的准确性,且注意力机制需较多的参数依赖,无法使模型更多的关注短文本... 短文本情感分析用于判断文本的情感极性,在商品评论、舆情监控等领域有重要应用。由于目前主流的基于词注意力机制的双向循环神经网络模型性能很大程度上依赖于分词的准确性,且注意力机制需较多的参数依赖,无法使模型更多的关注短文本的内部序列关系。针对上述问题,该文提出了基于字向量表示方法并结合Selfattention和BiLSTM的中文短文本情感分析算法。首先,对短文本进行字向量化表示,采用BiLSTM网络提取文本上下文关系特征,通过自注意力机制动态调整特征权重,Softmax分类器得到情感类别。在COAE 2014微博数据集和酒店评论数据集的实验结果表明,采用字向量文本表示方法较词向量更适合短文本,自注意力机制可以减少外部参数依赖,使模型能学到更多的文本自身关键特征,分类性能可分别提高1.15%和1.41%。 展开更多
关键词 情感分析 字向量 自注意力机制 双向短时记忆网络
在线阅读 下载PDF
基于注意力机制的双向长短时记忆网络模型突发事件演化关系抽取 预览
13
作者 闻畅 刘宇 顾进广 《计算机应用》 CSCD 北大核心 2019年第6期1646-1651,共6页
针对现有突发事件关系抽取研究多集中于因果关系抽取而忽略了其他演化关系的问题,为了提高应急决策中信息抽取的完备性,应用一种基于注意力机制的双向长短时记忆(LSTM)网络模型进行突发事件演化关系抽取。首先,结合突发事件演化关系的概... 针对现有突发事件关系抽取研究多集中于因果关系抽取而忽略了其他演化关系的问题,为了提高应急决策中信息抽取的完备性,应用一种基于注意力机制的双向长短时记忆(LSTM)网络模型进行突发事件演化关系抽取。首先,结合突发事件演化关系的概念,构建演化关系模型并进行形式化定义,依据模型对突发事件语料进行标注;其次,搭建双向LSTM网络结构,并引入注意力机制计算注意力概率以突出关键词汇在文本中的重要程度;最终,使用搭建的网络模型进行演化关系抽取得到结果。在演化关系抽取实验中,相对于现有因果关系抽取方法,所提方法不仅抽取出更加充分的演化关系,为突发事件应急决策提供了更完善的信息;同时,在正确率、召回率和F1分数上分别平均提升了7.3%、6.7%和7.0%,有效提高了突发事件演化关系抽取的准确性。 展开更多
关键词 关系抽取 突发事件 演化关系 注意力机制 双向短时记忆网络
在线阅读 下载PDF
陆空通话复诵语义自动化校验BiLSTM模型 预览
14
作者 李丹 贾桂敏 +2 位作者 程方圆 杨金锋 郭晓静 《信号处理》 CSCD 北大核心 2019年第1期57-64,共8页
为保证航空运输安全,飞行员要对管制员发送的指令进行复诵,并且管制员要对复诵指令进行进一步的确认。而由于疲劳、紧张、疏忽等原因,管制员未能及时发现飞行员复诵错误的情况也时有发生,给民航运输安全带来巨大隐患。针对这个问题,本... 为保证航空运输安全,飞行员要对管制员发送的指令进行复诵,并且管制员要对复诵指令进行进一步的确认。而由于疲劳、紧张、疏忽等原因,管制员未能及时发现飞行员复诵错误的情况也时有发生,给民航运输安全带来巨大隐患。针对这个问题,本文提出一种陆空通话复诵语义自动化校验BiLSTM模型。首先,利用两个并行的长短时记忆网络(BiLSTM)对管制员发送的指令和飞行员复诵的指令分别进行语义特征提取;然后将两个BiLSTM网络各个时刻的输出进行交互得到一个指令和复诵指令间的语义匹配矩阵;最后经过一个动态k-Max池化层后输入到多层感知器中从而得到指令与复诵指令间最终的匹配分数来判别复诵语义是否一致。实验证明,该方法在解决陆空通话复诵语义自动校验任务中是有效的,平均测试精度达到了90.53%。 展开更多
关键词 陆空通话 语义自动校验 双向短时记忆网络 语义匹配矩阵
在线阅读 下载PDF
基于Bi-LSTM模型的轨迹异常点检测算法 预览
15
作者 韩昭蓉 黄廷磊 +1 位作者 任文娟 许光銮 《雷达学报》 CSCD 北大核心 2019年第1期36-43,共8页
定位技术的飞速发展催生了时空轨迹大数据,轨迹数据中往往存在着明显偏离轨迹的异常点。检测出轨迹中的异常点对提高数据质量和后续轨迹数据挖掘精度至关重要。该文提出了一种基于双向长短时记忆网络(Bidirectional Long Short-Term Mem... 定位技术的飞速发展催生了时空轨迹大数据,轨迹数据中往往存在着明显偏离轨迹的异常点。检测出轨迹中的异常点对提高数据质量和后续轨迹数据挖掘精度至关重要。该文提出了一种基于双向长短时记忆网络(Bidirectional Long Short-Term Memory, Bi-LSTM)模型的轨迹异常点检测算法。首先对每个轨迹点提取一个6维的运动特征向量,然后构建了一个Bi-LSTM模型,模型输入为一定序列长度的轨迹数据特征向量,输出为轨迹点的类型结果。同时,算法采用了欠采样和过采样的组合方法缓解类别不平衡对检测性能的影响。融合了长短时记忆网络单元和双向网络,Bi-LSTM模型能够自动学习正常点和邻近异常点在运动特征上的差异。基于真实船舶轨迹标注数据的实验结果表明,该文算法的检测性能显著优于恒定速度阈值法、不考虑数据时序性的经典机器学习分类算法和卷积神经网络模型,尤其是召回率达到了0.902,验证了该文算法的有效性。 展开更多
关键词 轨迹数据 异常检测 特征提取 双向短时记忆网络
在线阅读 免费下载
基于周期分割的睡眠自动分期研究 预览
16
作者 李同庆 邹俊忠 +2 位作者 张见 王蓓 卫作臣 《计算机工程与应用》 CSCD 北大核心 2019年第9期94-99,共6页
为实现高效的自动睡眠分期,提出一种基于周期分割的时域信号处理方法,采用合并增减序列方法对三个通道多导睡眠图记录(2路脑电,1路眼电)进行周期分割,根据信号波形的周期标记睡眠各期的特征波形,提取特征波形在每一帧数据的时长占比与... 为实现高效的自动睡眠分期,提出一种基于周期分割的时域信号处理方法,采用合并增减序列方法对三个通道多导睡眠图记录(2路脑电,1路眼电)进行周期分割,根据信号波形的周期标记睡眠各期的特征波形,提取特征波形在每一帧数据的时长占比与平均幅值作为特征。双向长短时记忆网络(Bi-directional Long Short-Term Memory,Bi-LSTM)作为分类器,解决传统机器学习方法无法利用睡眠数据时间上下文信息的缺点。对42 699个样本使用交叉验证方法得到了84.8%的平均准确率,实验结果表明合并增减序列方法可以降低脑电信号分析的复杂度,是一种有效的时域信号处理方法,双向长短时记忆网络可以有效提高睡眠分期准确率,具有良好的应用前景。 展开更多
关键词 睡眠分期 周期分割 合并增减序列 深度学习 双向短时记忆网络
在线阅读 下载PDF
民航陆空通话语音识别BiLSTM网络模型 预览
17
作者 邱意 贾桂敏 +1 位作者 杨金锋 刘远庆 《信号处理》 CSCD 北大核心 2019年第2期293-300,共8页
民航陆空通话对民航飞行安全十分重要,但因其通话模式有特殊的语法结构与发音方式,日常语音识别声学模型无法有效应用于民航陆空通话的语音处理问题。针对民航陆空通话的特殊语境,本文提出了基于双向长短时记忆网络(BiLSTM)的民航陆空... 民航陆空通话对民航飞行安全十分重要,但因其通话模式有特殊的语法结构与发音方式,日常语音识别声学模型无法有效应用于民航陆空通话的语音处理问题。针对民航陆空通话的特殊语境,本文提出了基于双向长短时记忆网络(BiLSTM)的民航陆空通话语音识别方法。首先,提取民航陆空通话语音的FBANK特征作为输入,以时序链式连接(CTC)为目标函数,训练BiLSTM网络得到BiLSTM/CTC模型。然后,利用声学模型,语言模型与陆空通话词典实现民航陆空通话的语音识别,并结合数据增强与数据迁移对模型进行增强训练提高语音识别性能。实验结果表明本文提出的方法适用于民航陆空通话语音识别,并且数据增强模型可有效降低民航陆空通话语音识别的词错误率。 展开更多
关键词 民航陆空通话 语音识别 双向短时记忆网络 数据增强 数据迁移
在线阅读 下载PDF
基于CNN与双向LSTM的中文文本蕴含识别方法 预览
18
作者 谭咏梅 刘姝雯 吕学强 《中文信息学报》 CSCD 北大核心 2018年第7期11-19,共9页
为了避免基于传统机器学习的中文文本蕴含识别方法需要人工筛选大量特征以及使用多种自然语言处理工具造成的错误累计问题,该文提出了基于CNN与双向LSTM的中文文本蕴含识别方法。该方法使用CNN与双向LSTM分别对句子进行编码,自动提取相... 为了避免基于传统机器学习的中文文本蕴含识别方法需要人工筛选大量特征以及使用多种自然语言处理工具造成的错误累计问题,该文提出了基于CNN与双向LSTM的中文文本蕴含识别方法。该方法使用CNN与双向LSTM分别对句子进行编码,自动提取相关特征,然后使用全连接层进行分类得到初步的识别结果,最后使用语义规则对网络识别结果进行修正,得到最终的蕴含识别结果。在2014年RITE-VAL评测任务的数据集上MacroF1结果为61.74%,超过评测第一名的结果61.51%。实验结果表明,该方法对于中文文本蕴含识别是有效的。 展开更多
关键词 中文文本蕴含 卷积神经网络 双向短时记忆网络
在线阅读 下载PDF
基于Bi-LSTM的维吾尔语人称代词指代消解 预览
19
作者 田生伟 秦越 +2 位作者 禹龙 吐尔根·依布拉音 冯冠军 《电子学报》 CSCD 北大核心 2018年第7期1691-1699,共9页
针对维吾尔语人称代词指代现象,提出利用双向长短时记忆网络(Bi-directional long short term memory,Bi-LSTM)的深度学习机制进行基于深层语义信息的维吾尔语人称代词指代消解.首先将富含语义和句法信息的word embedding向量作为Bi-L... 针对维吾尔语人称代词指代现象,提出利用双向长短时记忆网络(Bi-directional long short term memory,Bi-LSTM)的深度学习机制进行基于深层语义信息的维吾尔语人称代词指代消解.首先将富含语义和句法信息的word embedding向量作为Bi-LSTM的输入,挖掘维吾尔语隐含的上下文语义层面特征;其次对维吾尔语人称代词指代现象进行探索,提取针对人称代词指代研究的24个hand-crafted特征;然后利用多层感知器(multilayer perception,MLP)融合Bi-LSTM学习到的上下文语义层面特征与hand-crafted特征;最后使用融合的两类特征训练softmax分类器完成维吾尔语人称代词指代消解任务.实验结果表明,充分利用两类特征的优势,维吾尔语人称代词指代消解的F1值达到76.86%.实验验证了Bi-LSTM与单向LSTM、浅层机器学习算法的SVM和ANN相比更具备挖掘隐含上下文深层语义信息的能力,而hand-crafted层面特征的引入,则有效提高指代消解性能. 展开更多
关键词 指代消解 双向短时记忆网络 词向量 深度学习 维吾尔语 自然语言处理
在线阅读 下载PDF
结合注意力机制的Bi-LSTM维吾尔语事件时序关系识别 预览 被引量:1
20
作者 田生伟 胡伟 +3 位作者 禹龙 吐尔根·依布拉音 赵建国 李圃 《东南大学学报:自然科学版》 CSCD 北大核心 2018年第3期393-399,共7页
针对维吾尔语事件时序关系识别问题,提出了一种结合注意力机制的双向长短时记忆模型.基于维吾尔语语言及事件时序关系的特点,抽取13项基于事件间内部结构信息的特征.将词向量作为双向长短时记忆模型的输入,挖掘给定事件句隐含的上下文... 针对维吾尔语事件时序关系识别问题,提出了一种结合注意力机制的双向长短时记忆模型.基于维吾尔语语言及事件时序关系的特点,抽取13项基于事件间内部结构信息的特征.将词向量作为双向长短时记忆模型的输入,挖掘给定事件句隐含的上下文语义信息.结合事件触发词建立注意力机制,获取该事件句的事件语义特征.将事件内部结构特征和语义特征相融合,作为softmax层的输入,进而完成事件时序关系的识别.实验结果表明,该方法在获取事件句隐含语义信息的同时也能获取对应的事件语义特征.融合事件内部结构特征后,识别准确率为89.42%,召回率为86.70%,衡量模型整体性能的F值为88.03%,从而证明了该方法在维吾尔语事件时序关系识别任务上的有效性. 展开更多
关键词 维吾尔语 时序关系 注意力机制 双向短时记忆网络 词向量
在线阅读 下载PDF
上一页 1 2 下一页 到第
使用帮助 返回顶部 意见反馈