期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于Tri-training半监督学习的中文组织机构名识别
被引量：
4
1
作者
蔡月红
朱倩
程显毅
《计算机应用研究》
CSCD
北大核心
2010年第1期193-195,共3页
针对中文组织机构名识别中的标注语料匮乏问题,提出了一种基于协同训练机制的组织机构名识别方法。该算法利用Tri-training学习方式将基于条件随机场的分类器、基于支持向量机的分类器和基于记忆学习方法的分类器组合成一个分类体系,并...
针对中文组织机构名识别中的标注语料匮乏问题,提出了一种基于协同训练机制的组织机构名识别方法。该算法利用Tri-training学习方式将基于条件随机场的分类器、基于支持向量机的分类器和基于记忆学习方法的分类器组合成一个分类体系,并依据最优效用选择策略进行新加入样本的选择。在大规模真实语料上与co-training方法进行了比较实验,实验结果表明,此方法能有效利用大量未标注语料提高算法的泛化能力。
展开更多
关键词
中文组织机构名
半监督学习
协同训练
Tri—training
在线阅读
下载PDF
职称材料
加权平均Word2Vec实体对齐方法
被引量：
6
2
作者
罗钰敏
刘丹
+1 位作者
尹凯
赵宏森
《计算机工程与设计》
北大核心
2019年第7期1927-1933,共7页
针对已有文本相似度计算方法应用在实体对齐上准确率低的问题,提出一种加权平均Word2Vec的实体对齐方法。利用Word2Vec训练文本,得到词向量模型;使用LTP(language technology platform)工具抽取文本中的命名实体并对其进行分词、去停用...
针对已有文本相似度计算方法应用在实体对齐上准确率低的问题,提出一种加权平均Word2Vec的实体对齐方法。利用Word2Vec训练文本,得到词向量模型;使用LTP(language technology platform)工具抽取文本中的命名实体并对其进行分词、去停用词处理,由Word2Vec得到处理后的词向量;根据分词后出现相同词的情况进行加权归一,得到各实体的特征向量;利用特征向量计算余弦相似度得到对齐结果。实验结果表明,与已有的文本相似度方法及未改进的Word2Vec方法对比,所提方法降低了实体对齐的漏检率,提高了准确性。
展开更多
关键词
词嵌入
命
名
实体识别
中文组织机构名
实体对齐
词向量
在线阅读
下载PDF
职称材料
题名
基于Tri-training半监督学习的中文组织机构名识别
被引量：
4
1
作者
蔡月红
朱倩
程显毅
机构
江苏大学计算机科学与通信工程学院
江苏大学外语学习中心
出处
《计算机应用研究》
CSCD
北大核心
2010年第1期193-195,共3页
基金
国家自然科学基金资助项目(60702056)
文摘
针对中文组织机构名识别中的标注语料匮乏问题,提出了一种基于协同训练机制的组织机构名识别方法。该算法利用Tri-training学习方式将基于条件随机场的分类器、基于支持向量机的分类器和基于记忆学习方法的分类器组合成一个分类体系,并依据最优效用选择策略进行新加入样本的选择。在大规模真实语料上与co-training方法进行了比较实验,实验结果表明,此方法能有效利用大量未标注语料提高算法的泛化能力。
关键词
中文组织机构名
半监督学习
协同训练
Tri—training
Keywords
Chinese organization name recognition
semi-supervised learning
co-training
Tri-training
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
加权平均Word2Vec实体对齐方法
被引量：
6
2
作者
罗钰敏
刘丹
尹凯
赵宏森
机构
电子科技大学电子科学技术研究院
出处
《计算机工程与设计》
北大核心
2019年第7期1927-1933,共7页
文摘
针对已有文本相似度计算方法应用在实体对齐上准确率低的问题,提出一种加权平均Word2Vec的实体对齐方法。利用Word2Vec训练文本,得到词向量模型;使用LTP(language technology platform)工具抽取文本中的命名实体并对其进行分词、去停用词处理,由Word2Vec得到处理后的词向量;根据分词后出现相同词的情况进行加权归一,得到各实体的特征向量;利用特征向量计算余弦相似度得到对齐结果。实验结果表明,与已有的文本相似度方法及未改进的Word2Vec方法对比,所提方法降低了实体对齐的漏检率,提高了准确性。
关键词
词嵌入
命
名
实体识别
中文组织机构名
实体对齐
词向量
Keywords
Word2Vec
named entity recognition
Chinese organization name
entity alignment
word vector
分类号
TP391.1 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于Tri-training半监督学习的中文组织机构名识别
蔡月红
朱倩
程显毅
《计算机应用研究》
CSCD
北大核心
2010
4
在线阅读
下载PDF
职称材料
2
加权平均Word2Vec实体对齐方法
罗钰敏
刘丹
尹凯
赵宏森
《计算机工程与设计》
北大核心
2019
6
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
