我要投稿 查看投稿进度
学术期刊
在线客服
客服电话：400-188-5008
客服邮箱：service@ccnpub.com
投诉举报：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享

请选择 目标期刊

结合注意力机制与双向LSTM的中文事件检测方法 下载：28 浏览：243

沈兰奔 武志昊 纪宇泽 林友芳 万怀宇 《中文研究》 2019年2期

摘要:
事件检测是信息抽取领域的重要任务之一。已有的方法大多高度依赖复杂的语言特征工程和自然语言处理工具，中文事件检测还存在由分词带来的触发词分割问题。该文将中文事件检测视为一个序列标注而非分类问题，提出了一种结合注意力机制与长短期记忆神经网络的中文事件检测模型ATT-BiLSTM，利用注意力机制来更好地捕获全局特征，并通过两个双向LSTM层更有效地捕获句子序列特征，从而提高中文事件检测的效果。在ACE 2005中文数据集上的实验表明，该文提出的方法与其他现有的中文事件检测方法相比性能得到明显提升。

采用Stack-Tree LSTM的汉语一体化依存分析模型 下载：41 浏览：387

刘航 刘明童 张玉洁 徐金安 陈钰枫 《当代中文学刊》 2019年3期

摘要:
在汉语一体化依存分析中,如何利用分词、词性标注和句法分析的中间结果作为分析特征成为核心问题,也是三个任务相互制约协调、共同提高性能的关键所在。目前无论基于特征工程的方法还是基于深度学习的方法尚无法充分利用分析过程中依存子树的完整信息,而依存子树作为中间结果的主要成分对三个任务的后续分析具有重要的指导意义。该文在基于转移的依存分析框架下,提出Stack-Tree LSTM依存子树编码方法,通过对分析栈中所有依存子树的有效建模,获取任意时刻的依存子树的完整信息作为特征参与转移动作决策。利用该编码方式提出词性特征使用方法,融合N-gram特征构建汉语一体化依存分析神经网络模型。最后在宾州汉语树库上进行了验证实验,并与已有方法进行了比较。实验结果显示:该文提出的模型在分词、词性标注和依存分析任务上的性能非常接近特征工程最好的结果,并且均超过已有的一体化依存分析神经网络模型。

基于多特征融合编码的神经网络依存句法分析模型 下载：32 浏览：337

刘明童 张玉洁 徐金安 陈钰枫 《当代中文学刊》 2018年10期

摘要:
在基于神经网络的依存句法分析中,对分析栈和决策层信息的表示和利用依然有值得深入研究的空间。针对分析栈的表示,已有工作并没有对单棵依存子树独立编码的表示,导致无法利用各个依存子树的局部特征;也没有对生成的依存弧序列进行编码,导致无法利用依存弧的全局信息。针对决策层的表示,已有工作利用MLP预测转移动作,该结构无法利用历史决策动作的信息。对此,该文提出基于多特征融合编码的神经网络依存句法分析模型,基于依存子树和历史生成的依存弧表示分析栈,利用TreeLSTM网络编码依存子树信息,利用LSTM网络编码历史生成的依存弧序列,以更好地表示分析栈的局部信息和全局信息。进一步提出基于LSTM网络的结构预测转移动作序列,引入历史决策动作信息作为特征辅助当前决策。该文以汉语为具体研究对象,在CTB5汉语依存分析数据上验证所提出的多特征融合编码的神经网络模型。实验结果显示,汉语依存句法分析性能得到改进,在目前公布的基于转移的分析系统中取得最好成绩,在UAS和LAS评价指标上分别达到87.8%和86.8%的精度,表明所提出的对依存子树局部特征及历史依存弧信息和历史决策动作信息的编码方法,在改进依存分析模型性能方面的有效性。

计算机通信技术与电子信息技术在人工智能领域的应用分析 下载：28 浏览：342

楚志鹏 《计算机研究与应用》 2024年9期

摘要:
随着我国科学技术的快速发展，人工智能技术被广泛应用。同时，人工智能对社会的影响越来越深刻，且逐渐形成一种无法抵抗的潮流，使得人们的生活与工作更加便捷，推动了社会发展。目前，电子信息技术逐渐引入人工智能，互相促进与发展，其实践意义重大。
[1/1]
|<
<
1
>
>|
在线客服：：点击联系客服
联系电话：：400-188-5008
客服邮箱：：service@ccnpub.com
投诉举报：：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享