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
3
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
实体结构与语义融合的多层注意力知识表示学习
被引量：
1
1
作者
郭一楠
王斌
+1 位作者
巩敦卫
于泽宽
《智能系统学报》
CSCD
北大核心
2023年第3期577-588,共12页
基于知识图谱的知识表示学习虽然可以获得实体的结构和关系嵌入,但是缺少对实体描述文本的语义信息利用。此外,随着知识图谱规模的增长,实体和关系的类别与数量,以及实体描述的内容和来源随之增加,实体的文本描述与三元组结构信息之间...
基于知识图谱的知识表示学习虽然可以获得实体的结构和关系嵌入,但是缺少对实体描述文本的语义信息利用。此外,随着知识图谱规模的增长,实体和关系的类别与数量,以及实体描述的内容和来源随之增加,实体的文本描述与三元组结构信息之间的对应关系更加难以获得。基于此,本文提出一种实体结构与语义融合的多层注意力知识表示学习方法,通过构建多层注意力机制,将实体的结构嵌入用于增强实体描述中的语义表达,再通过Transformer模型获取实体描述的语义关系,并采用关系的结构嵌入对其增强和整合,最后利用整合后的语义关系对关系嵌入集合加以丰富和整合。特别是,构建了面向实体结构与语义融合多层注意力机制的损失函数。实验结果表明,本文所提方法能有效推理包含复杂实体描述的实体之间隐藏链路关系,在三元组分类任务中具有比同类方法更准确的分类精度。
展开更多
关键词
知识
表示
学习
实体
结构嵌入
语义
信息
注意力机制
知识图谱
知识推理
复杂
实体
描述
TRANSFORMER
在线阅读
下载PDF
职称材料
交通信息标准条款BLSTM和CNN链式模型分类方法
被引量：
1
2
作者
范维克
张绍阳
+1 位作者
陈博远
王珂
《江苏大学学报（自然科学版）》
EI
CAS
北大核心
2020年第2期143-148,共6页
为了有效获取交通运输信息标准中的一致性条款,简化标准测试方法,针对现有文本分类方法中卷积神经网络存在的缺少上下文含义和循环神经网络存在的梯度消失及梯度弥散等问题,提出一种基于BLSTM的文本增强表示方法和基于CNN网络的语句分...
为了有效获取交通运输信息标准中的一致性条款,简化标准测试方法,针对现有文本分类方法中卷积神经网络存在的缺少上下文含义和循环神经网络存在的梯度消失及梯度弥散等问题,提出一种基于BLSTM的文本增强表示方法和基于CNN网络的语句分类相结合的方法进行一致性条款分类.其核心思想是将BLSTM前向和后向过程产生的向量相加,然后与原文本向量拼接作为文本的向量表示,将文本向量作为CNN网络的输入进行文本分类.为验证所提模型的有效性,设置了与传统机器模型TF-IDF+SVM、单CNN、BLSTM神经网络模型及经典混合模型的对比试验.通过构造的交通运输信息标准条款数据集测试表明,基于改进的BLSTM和CNN的链式混合神经网络模型准确率达到93.77%.
展开更多
关键词
文本分类
文本
表示
BLSTM
卷积神经网络
交通
信息
标准条款
语义
增强
在线阅读
下载PDF
职称材料
基于功效特征的专利聚类方法
被引量：
2
3
作者
马建红
曹文斌
+1 位作者
刘元刚
夏爽
《计算机应用》
CSCD
北大核心
2021年第5期1361-1366,共6页
当前专利是按照领域划分的,而基于功效特征可以实现跨领域的专利聚类,这在企业创新设计中具有重要意义,而精确提取专利功效特征和快速获得最优聚类结果是其中的关键任务。为此提出一种信息实体语义增强表示(ERNIE)和卷积神经网络(CNN)...
当前专利是按照领域划分的,而基于功效特征可以实现跨领域的专利聚类,这在企业创新设计中具有重要意义,而精确提取专利功效特征和快速获得最优聚类结果是其中的关键任务。为此提出一种信息实体语义增强表示(ERNIE)和卷积神经网络(CNN)相结合的功效特征联合提取(FEI-Joint)模型来提取专利文献的功效特征,并且改进自组织神经网络(SOM)算法,从而提出具有早期拒绝策略与类合并思想的自组织神经网络(ERCM-SOM)来实现基于功效特征的专利聚类。对FEI-Joint模型与TF-IDF、狄利克雷分布(LDA)、CNN在特征提取后的聚类效果上进行比较和分析,结果表明其F-measure值比其他模型有明显提高。ERCM-SOM算法与K-Means算法、SOM算法相比,在Fmeasure值提高的同时,其时间较SOM算法有明显缩短。对比使用专利分类号(IPC)的专利分类,采用基于功效特征的聚类方法可实现跨领域的专利聚类效果,为设计者借鉴其他领域的设计方法奠定了基础。
展开更多
关键词
专利聚类
信息实体语义增强表示
卷积神经网络
跨领域
自组织神经网络
在线阅读
下载PDF
职称材料
题名
实体结构与语义融合的多层注意力知识表示学习
被引量：
1
1
作者
郭一楠
王斌
巩敦卫
于泽宽
机构
中国矿业大学信息与控制工程学院
中国矿业大学(北京)机电与信息工程学院
复旦大学工程与应用技术研究院
出处
《智能系统学报》
CSCD
北大核心
2023年第3期577-588,共12页
基金
国家自然科学基金项目(61973305,52121003)
恒玖(徐州)智能科技有限公司资助项目(2021360001).
文摘
基于知识图谱的知识表示学习虽然可以获得实体的结构和关系嵌入,但是缺少对实体描述文本的语义信息利用。此外,随着知识图谱规模的增长,实体和关系的类别与数量,以及实体描述的内容和来源随之增加,实体的文本描述与三元组结构信息之间的对应关系更加难以获得。基于此,本文提出一种实体结构与语义融合的多层注意力知识表示学习方法,通过构建多层注意力机制,将实体的结构嵌入用于增强实体描述中的语义表达,再通过Transformer模型获取实体描述的语义关系,并采用关系的结构嵌入对其增强和整合,最后利用整合后的语义关系对关系嵌入集合加以丰富和整合。特别是,构建了面向实体结构与语义融合多层注意力机制的损失函数。实验结果表明,本文所提方法能有效推理包含复杂实体描述的实体之间隐藏链路关系,在三元组分类任务中具有比同类方法更准确的分类精度。
关键词
知识
表示
学习
实体
结构嵌入
语义
信息
注意力机制
知识图谱
知识推理
复杂
实体
描述
TRANSFORMER
Keywords
knowledge representation learning
entity structure embedding
semantic information
attention mechanism
knowledge graph
knowledge reasoning
complex entity description
Transformer
分类号
TP305 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
交通信息标准条款BLSTM和CNN链式模型分类方法
被引量：
1
2
作者
范维克
张绍阳
陈博远
王珂
机构
长安大学信息工程学院
出处
《江苏大学学报（自然科学版）》
EI
CAS
北大核心
2020年第2期143-148,共6页
基金
陕西省交通运输厅科技项目(17-39R)
陕西省技术创新引导专项(2018XNCG-G-16)。
文摘
为了有效获取交通运输信息标准中的一致性条款,简化标准测试方法,针对现有文本分类方法中卷积神经网络存在的缺少上下文含义和循环神经网络存在的梯度消失及梯度弥散等问题,提出一种基于BLSTM的文本增强表示方法和基于CNN网络的语句分类相结合的方法进行一致性条款分类.其核心思想是将BLSTM前向和后向过程产生的向量相加,然后与原文本向量拼接作为文本的向量表示,将文本向量作为CNN网络的输入进行文本分类.为验证所提模型的有效性,设置了与传统机器模型TF-IDF+SVM、单CNN、BLSTM神经网络模型及经典混合模型的对比试验.通过构造的交通运输信息标准条款数据集测试表明,基于改进的BLSTM和CNN的链式混合神经网络模型准确率达到93.77%.
关键词
文本分类
文本
表示
BLSTM
卷积神经网络
交通
信息
标准条款
语义
增强
Keywords
text classification
text representation
BLSTM
convolution neural network
traffic information standard terms
semantic enhancement
分类号
TP391.9 [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
基于功效特征的专利聚类方法
被引量：
2
3
作者
马建红
曹文斌
刘元刚
夏爽
机构
河北工业大学人工智能与数据科学学院
天津市科学技术协会
天津科学技术馆
出处
《计算机应用》
CSCD
北大核心
2021年第5期1361-1366,共6页
基金
科技部创新方法工作专项(2019IM020300)。
文摘
当前专利是按照领域划分的,而基于功效特征可以实现跨领域的专利聚类,这在企业创新设计中具有重要意义,而精确提取专利功效特征和快速获得最优聚类结果是其中的关键任务。为此提出一种信息实体语义增强表示(ERNIE)和卷积神经网络(CNN)相结合的功效特征联合提取(FEI-Joint)模型来提取专利文献的功效特征,并且改进自组织神经网络(SOM)算法,从而提出具有早期拒绝策略与类合并思想的自组织神经网络(ERCM-SOM)来实现基于功效特征的专利聚类。对FEI-Joint模型与TF-IDF、狄利克雷分布(LDA)、CNN在特征提取后的聚类效果上进行比较和分析,结果表明其F-measure值比其他模型有明显提高。ERCM-SOM算法与K-Means算法、SOM算法相比,在Fmeasure值提高的同时,其时间较SOM算法有明显缩短。对比使用专利分类号(IPC)的专利分类,采用基于功效特征的聚类方法可实现跨领域的专利聚类效果,为设计者借鉴其他领域的设计方法奠定了基础。
关键词
专利聚类
信息实体语义增强表示
卷积神经网络
跨领域
自组织神经网络
Keywords
patent clustering
Enhanced Language Representation with Informative Entities(ERNIE)
Convolutional Neural Network(CNN)
cross-domain
Self-Organizing Map(SOM)
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
实体结构与语义融合的多层注意力知识表示学习
郭一楠
王斌
巩敦卫
于泽宽
《智能系统学报》
CSCD
北大核心
2023
1
在线阅读
下载PDF
职称材料
2
交通信息标准条款BLSTM和CNN链式模型分类方法
范维克
张绍阳
陈博远
王珂
《江苏大学学报（自然科学版）》
EI
CAS
北大核心
2020
1
在线阅读
下载PDF
职称材料
3
基于功效特征的专利聚类方法
马建红
曹文斌
刘元刚
夏爽
《计算机应用》
CSCD
北大核心
2021
2
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
