检索结果-维普期刊中文期刊服务平台

一种面向军事文本的领域特征词向量描述方法被引量：7: 1; 作者秦杰曹雷 +1 位作者彭辉赖俊《计算机工程》 CAS CSCD 北大核心 2016年第8期160-165,共6页; 针对军事文本信息中命名实体多、特征词领域性强的特性,提出一种领域特征词向量描述方法。从优化分词和领域特征词筛选方面压缩向量空间,完善时间、地名、部队名称和武器装备4类重要命名实体的提取规则,扩充分词词典库。改进领域相关度... 展开更多; 关键词军事文本命名实体向量空间分词领域特征词; 在线阅读下载PDF 职称材料

面向军事文本的命名实体识别被引量：50: 2; 作者冯蕴天张宏军郝文宁《计算机科学》 CSCD 北大核心 2015年第7期15-18,47,共5页; 针对军事文本中的命名实体,提出一种基于条件随机场模型的半监督命名实体识别方法,旨在将人员军职军衔名、军事装备名、军用物资名、军事设施名、军事机构名(含部队番号)以及军用地名等军事命名实体的识别融合到一个统一的技术框架中。... 展开更多; 关键词军事文本命名实体识别条件随机场半监督学习军事信息处理; 在线阅读下载PDF 职称材料

基于改进CNN的海军军事文本分类模型被引量：9: 3; 作者齐玉东丁海强 +1 位作者司维超李程瑜《电光与控制》 CSCD 北大核心 2020年第5期68-73,共6页; 针对传统的文本分类方法在海军军事文本分类上准确度不高的问题,根据海军军事文本中重点信息的位置分布规律,改进了传统的一维卷积神经网络,并进一步设计海军军事文本分类模型。在一维卷积方面,提出变步长卷积方法,文本首尾位置采用低... 展开更多; 关键词海军军事文本分类大数据一维卷积神经网络变步长卷积带权池化; 在线阅读下载PDF 职称材料

融合本体特征的BiLSTM-CRF军事实体识别模型被引量：7: 4; 作者齐玉东丁海强 +1 位作者吴晋豫司维超《兵器装备工程学报》 CAS 北大核心 2020年第5期118-123,共6页; 针对军事实体识别依赖领域知识的特点,提出了融合本体特征的BiLSTM-CRF军事实体识别模型。通过构建军事领域本体,将分词的本体特征作为领域知识融入到词向量中,有效弥补了传统命名实体识别方法的领域知识缺乏问题,且模型加入字向量描述... 展开更多; 关键词本体 Bi-LSTM 军事文本命名实体识别字词向量结合; 在线阅读下载PDF 职称材料

基于后缀向量拼接的军事装备命名实体识别被引量：3: 5; 作者谢德鹏王佳 +1 位作者邹华懿刘进才《火力与指挥控制》 CSCD 北大核心 2023年第10期133-138,共6页; 军事命名实体识别是军事知识图谱构建和装备实体画像的基础性和关键技术,该技术进一步为军事文本智能化处理、辅助决策和情报分析等任务提供支撑。基于后缀向量拼接的军事装备命名实体识别方法,针对中英文文本结构构成具有天然差异,中... 展开更多; 关键词军事文本军事装备实体识别向量拼接; 在线阅读下载PDF 职称材料

神经机器翻译译文评测及译后编辑研究被引量：10: 6; 作者郭望皓胡富茂《北京第二外国语学院学报》 2021年第5期66-82,共17页; 尽管神经机器翻译技术已经取得了巨大进步,业界也正在加速推进神经机器翻译系统实用化和商品化的进程,但其在垂直领域的表现还不尽如人意。本研究以军事领域英译汉文本为研究对象,这些译文均由国内外主流神经机器翻译系统完成,在自主构... 展开更多; 关键词神经机器翻译译文评测译后编辑军事文本翻译错误类型; 在线阅读下载PDF 职称材料

题名一种面向军事文本的领域特征词向量描述方法被引量：7: 1; 作者秦杰曹雷彭辉赖俊; 机构解放军理工大学指挥信息系统学院; 出处《计算机工程》 CAS CSCD 北大核心 2016年第8期160-165,共6页; 文摘针对军事文本信息中命名实体多、特征词领域性强的特性,提出一种领域特征词向量描述方法。从优化分词和领域特征词筛选方面压缩向量空间,完善时间、地名、部队名称和武器装备4类重要命名实体的提取规则,扩充分词词典库。改进领域相关度和领域一致度相结合的领域特征词筛选算法,突出领域特征词与常用词汇之间的差别,进一步过滤领域特征词。实验结果表明,优化分词后,该方法能够提取出军事文本中的命名实体和部分专有词汇,降低特征词数量,改进后的领域特征词筛选算法将准确率和召回率分别提高20%和16.7%,提出的领域特征词向量描述方法所生成的特征词向量具有较强的领域性。; 关键词军事文本命名实体向量空间分词领域特征词; Keywords military text named entity vector space word segmentation domain feature word; 分类号 TP311 [自动化与计算机技术—计算机软件与理论]; 在线阅读下载PDF 职称材料

题名面向军事文本的命名实体识别被引量：50: 2; 作者冯蕴天张宏军郝文宁; 机构解放军理工大学指挥信息系统学院; 出处《计算机科学》 CSCD 北大核心 2015年第7期15-18,47,共5页; 文摘针对军事文本中的命名实体,提出一种基于条件随机场模型的半监督命名实体识别方法,旨在将人员军职军衔名、军事装备名、军用物资名、军事设施名、军事机构名(含部队番号)以及军用地名等军事命名实体的识别融合到一个统一的技术框架中。该方法针对军事文本的语法特点建立高效的特征集合,建立条件随机场模型对军事命名实体进行识别,并依次使用基于词典的方法和基于规则的方法对识别结果进行校正。实验表明,该方法在军事文本中能够出色地完成命名实体识别任务,在测试语料上的F-值最高达到90.9%,接近通用领域中命名实体识别的水平。; 关键词军事文本命名实体识别条件随机场半监督学习军事信息处理; Keywords Military text Named entity recognition Conditional random field Semi-supervised learning Military information processing; 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

题名基于改进CNN的海军军事文本分类模型被引量：9: 3; 作者齐玉东丁海强司维超李程瑜; 机构海军航空大学中国人民解放军; 出处《电光与控制》 CSCD 北大核心 2020年第5期68-73,共6页; 文摘针对传统的文本分类方法在海军军事文本分类上准确度不高的问题,根据海军军事文本中重点信息的位置分布规律,改进了传统的一维卷积神经网络,并进一步设计海军军事文本分类模型。在一维卷积方面,提出变步长卷积方法,文本首尾位置采用低步长、中间位置采用高步长挖掘文本特征,提高文本首尾位置的重点特征的挖掘能力;在一维池化方面,提出带权池化方法,将文本位置信息转化为权重值参与池化运算,体现文本位置信息的重要程度。实验结果表明,与传统的支持向量机、K近邻算法、一维卷积神经网络以及长短期记忆网络模型相比,该文本分类模型的准确率、召回率、F1值均有所提高。; 关键词海军军事文本分类大数据一维卷积神经网络变步长卷积带权池化; Keywords naval text classification big data one-dimensional CNN variable-step convolution weighted pooling; 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

题名融合本体特征的BiLSTM-CRF军事实体识别模型被引量：7: 4; 作者齐玉东丁海强吴晋豫司维超; 机构海军航空大学 [; 出处《兵器装备工程学报》 CAS 北大核心 2020年第5期118-123,共6页; 基金山东省重点研发计划项目(2016YJS02A01)。; 文摘针对军事实体识别依赖领域知识的特点,提出了融合本体特征的BiLSTM-CRF军事实体识别模型。通过构建军事领域本体,将分词的本体特征作为领域知识融入到词向量中,有效弥补了传统命名实体识别方法的领域知识缺乏问题,且模型加入字向量描述分词的内部形态学特征,避免了分词不准确与未登录词对军事命名实体识别造成的影响,最后采用BiLSTM-CRF模型实现军事命名实体识别工作。实验证明,该军事实体识别模型的准确率达到91.08%,能够有效识别军事实体。; 关键词本体 Bi-LSTM 军事文本命名实体识别字词向量结合; Keywords ontology Bi-LSTM military text named entity recognition word embedding; 分类号 TP389.1 [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

题名基于后缀向量拼接的军事装备命名实体识别被引量：3: 5; 作者谢德鹏王佳邹华懿刘进才; 机构北京计算机技术及应用研究所; 出处《火力与指挥控制》 CSCD 北大核心 2023年第10期133-138,共6页; 文摘军事命名实体识别是军事知识图谱构建和装备实体画像的基础性和关键技术,该技术进一步为军事文本智能化处理、辅助决策和情报分析等任务提供支撑。基于后缀向量拼接的军事装备命名实体识别方法,针对中英文文本结构构成具有天然差异,中文文本缺少天然分割,加之军事装备别称较多,可能会造成识别的缺失等问题,提出利用文本字向量、词向量拼接实体后缀向量的方法,对军事装备实体进行识别和发现。通过实验验证方法的合理性和先进性。; 关键词军事文本军事装备实体识别向量拼接; Keywords military text military equipment entity recognition vector splicing; 分类号 TJ01 [兵器科学与技术—兵器发射理论与技术]; 在线阅读下载PDF 职称材料

题名神经机器翻译译文评测及译后编辑研究被引量：10: 6; 作者郭望皓胡富茂; 机构战略支援部队信息工程大学洛阳理工学院; 出处《北京第二外国语学院学报》 2021年第5期66-82,共17页; 基金河南省哲学社会科学规划项目“基于大规模语料库的汉英语块提取及应用研究”(项目编号:2020BYY011)的阶段性研究成果。; 文摘尽管神经机器翻译技术已经取得了巨大进步,业界也正在加速推进神经机器翻译系统实用化和商品化的进程,但其在垂直领域的表现还不尽如人意。本研究以军事领域英译汉文本为研究对象,这些译文均由国内外主流神经机器翻译系统完成,在自主构建的1000个军事题材译文测试数据集中,谷歌、百度、腾讯、有道、搜狗5个翻译系统的BLEU均值仅为20.854,较之其通用语料译文BLEU值相差6.62。实验结果显示:在军事题材译文的拼写、词汇、句法和语义4大类15种共5050处错误中,军事术语翻译错误占比最高,为42.83%;其次为普通词语误译和层级结构错误。实验结果表明,目前现有的神经机器翻译系统尚不能实现高质量的军事文本翻译,无法满足现实需求,亟需进行译后编辑研究,以提高军事文本翻译的准确率。; 关键词神经机器翻译译文评测译后编辑军事文本翻译错误类型; Keywords neural machine translation assessment of translations post-editing military texts types of translation errors; 分类号 H085 [语言文字—语言学]; 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	一种面向军事文本的领域特征词向量描述方法	秦杰曹雷彭辉赖俊	《计算机工程》 CAS CSCD 北大核心	2016	7	在线阅读下载PDF 职称材料
2	面向军事文本的命名实体识别	冯蕴天张宏军郝文宁	《计算机科学》 CSCD 北大核心	2015	50	在线阅读下载PDF 职称材料
3	基于改进CNN的海军军事文本分类模型	齐玉东丁海强司维超李程瑜	《电光与控制》 CSCD 北大核心	2020	9	在线阅读下载PDF 职称材料
4	融合本体特征的BiLSTM-CRF军事实体识别模型	齐玉东丁海强吴晋豫司维超	《兵器装备工程学报》 CAS 北大核心	2020	7	在线阅读下载PDF 职称材料
5	基于后缀向量拼接的军事装备命名实体识别	谢德鹏王佳邹华懿刘进才	《火力与指挥控制》 CSCD 北大核心	2023	3	在线阅读下载PDF 职称材料
6	神经机器翻译译文评测及译后编辑研究	郭望皓胡富茂	《北京第二外国语学院学报》	2021	10	在线阅读下载PDF 职称材料