qikan11@ccnpub.com
（邮箱投稿时，请说明投稿期刊名）
（邮箱投稿时，请说明投稿期刊名）
《当代中文学刊》在线投稿系统
提示文字！
注：我们将于1~7个工作日告知您审稿结果，请耐心等待；
您也可以在官网首页点击“查看投稿进度”输入文章题目，查询稿件实时进程。
期刊菜单
最新文章
基于深度神经网络的维吾尔文命名实体识别研究 下载：42 浏览：256
基于注意力机制与文本信息的用户关系抽取 下载：78 浏览：284
摘要:
随着社交媒体的发展,用户之间的关系网络对于社交媒体的分析有很大的帮助。因此,该文主要研究用户好友关系检测。以往的关于用户好友关系抽取的研究主要基于社交媒体上的结构化信息,比如其他好友关系,用户的不同属性等。但是,很多时候用户本身并没有大量的好友信息存在,同时也不一定有很多确定的属性。因此,我们希望基于用户发表的文本信息来对用户关系进行预测。不同于以往的潜在好友推荐算法,该文提出了一种基于注意力机制以及长短时记忆网络(long short-term memory,LSTM)的好友关系预测模型,将好友之间的评论分开处理,通过分析用户之间的评论来判断是否具备一定的好友关系。该模型将好友双方信息拼接后的结果作为输入,并将注意力机制应用于LSTM的输出。实验表明,用户之间的评论对于好友关系预测确实有较大的实际意义,该文提出的模型较之于多个基准系统的效果,取得了明显的提升。在不加入任何其它非文本特征的情况下,实验结果的准确率达到了77%。
基于多特征Bi-LSTM-CRF的影评人名识别研究 下载：48 浏览：400
摘要:
近年来电影行业蓬勃发展,相关的信息抽取和分析技术日益受到行业内的重视,其中对电影主创人物的分析尤为重要。而电影评论作为观影群体的主要反馈信息,具有重要的分析价值。如何从影评中自动抽取主创人名成为重要的基础工作。然而评论中观众对人物的称谓方式多样复杂,而且新电影的影评中往往存在大量人名未登录词,传统方法难以有效识别。针对影评的这些特点,该文提出一种基于多特征Bi-LSTM-CRF的影评人名识别方法。该方法通过利用外部人名语料和未标注影评提取字符级的特征,并采用Bi-LSTM-CRF模型进行人名字符序列标注。实验结果表明,该方法能够有效识别影评中的复杂称谓和人名未登录词,从而有效地抽取影评中的人名实体。
当代中文学刊期刊指标
出版年份 :
2018-2025
发文量 :
673
访问量 :
116872
下载量 :
36587
总被引次数 :
342
影响因子 :
0.882
当代中文学刊最新录用
为你推荐
学术共建
