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

地理社会网络数据可视化分析研究综述 下载：76 浏览：473

李恒1，2 沈华伟3，4 黄蔚2 程学旗3，4 《中文研究》 2018年10期

摘要:
随着移动互联网与社会网络的深度融合，基于位置服务(Location Based Service，LBS)的社交媒体应用更加流行，成为地理社会网络(Geo-Social Networks，GSN)的研究重点。基于位置信息的社会网络(Location Based Social Network，LBSN)由于具有时空特性，其海量数据可视化不同于传统信息可视化，必须结合其地理信息特征进行表达。该文以GSN中抽取出的海量时空数据为分析对象，从LBSN时空数据抽取、海量时空数据可视化等方面进行综述，对地理社会网络时空数据交互可视化分析技术开展研究，以期能够实现比较方便、快速、直接地从地理社会网络的海量数据中提取出有用、可靠、可知识化的综合信息，并通过信息可视化方式进行直观表达、展示与分析。

基于标签增强的机器阅读理解模型 下载：61 浏览：362

苏立新1,2 郭嘉丰2 范意兴1 兰艳艳2 程学旗3 《人工智能研究》 2020年5期

摘要:
抽取式问答中已有模型仅建模答案的边界,忽视人的潜在标注过程,导致模型仅学习到表面特征,影响泛化能力.因此,文中提出基于标签增强的机器阅读理解模型(LE-Reader),模拟人的标注过程.LE-Reader模型同时建模答案所在句子、答案内容和答案边界.根据用户标注的答案边界推断正确答案的句子和答案内容作为标签,监督模型的学习过程.通过多任务学习的方式融合3个损失函数.预测时融合3种建模结果,确定最终答案,提高模型的泛化性能.在SQuAD数据集上的实验验证LE-Reader的有效性.
[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