检索结果-维普期刊中文期刊服务平台

融合卷积神经网络与层次化注意力网络的中文文本情感倾向性分析被引量：27: 1; 作者程艳叶子铭 +2 位作者王明文张强张光河《中文信息学报》 CSCD 北大核心 2019年第1期133-142,共10页; 文本情感倾向性分析是自然语言处理研究领域的一个基础问题。基于深度学习的模型是处理此问题的常用模型。而当前的多数深度学习模型在中文文本情感倾向性分析方面的应用存在两个问题:一是未能充分考虑到文本的层次化结构对情感倾向性... 展开更多; 关键词卷积神经网络层次化注意力网络情感倾向性分析词向量; 在线阅读下载PDF 职称材料

集成层级图注意力网络检测非均衡虚假评论被引量：3: 2; 作者赵敏张月琴 +1 位作者窦英通张泽华《计算机科学与探索》 CSCD 北大核心 2023年第2期428-441,共14页; 作为机器学习当前一大热点,图神经网络(GNN)模型近年来已逐渐开始结合用户评论应用于欺诈检测领域。但现实中汇总的用户评论涉及多个不同领域,可用信息复杂多样,海量的用户生成内容中欺诈信息通常也只占少数,基于GNN的相关检测方法对虚... 展开更多; 关键词虚假评论检测层次图注意力网络网络表征学习集成学习非均衡数据分类; 在线阅读下载PDF 职称材料

融合篇章成分识别的中文记叙文篇章结构测评被引量：1: 3; 作者王晓艺王锦丞刘杰《小型微型计算机系统》北大核心 2025年第1期55-63,共9页; 篇章结构合理性是作文自动评测中的重要考量维度.当前针对记叙文篇章结构合理性自动评估的研究还处于起步阶段.该文通过与语文教学专家共同制定记叙文篇章结构评价标准与篇章成分标注规范,构建了具有一定规模的中文记叙文篇章结构测评... 展开更多; 关键词篇章结构合理性语料库作文自动评分层次注意力网络 BERT; 在线阅读下载PDF 职称材料

基于HAN的双通道复合模型的文本情感分类被引量：6: 4; 作者李辉黄钰杰李金秋《传感器与微系统》 CSCD 北大核心 2021年第8期121-125,共5页; 针对单一的神经网络模型结构简单、传统的注意力模型无法有效提取层次化的文本特征的问题,提出了一种基于HAN的双通道复合模型的文本情感分类。首先,在一个通道上使用双向门限循环(GRU)神经网络提取序列化信息,并引入层次化注意力网络(H... 展开更多; 关键词卷积神经网络门限循环神经网络层次化注意力网络情感分析; 在线阅读下载PDF 职称材料

题名融合卷积神经网络与层次化注意力网络的中文文本情感倾向性分析被引量：27: 1; 作者程艳叶子铭王明文张强张光河; 机构江西师范大学计算机信息工程学院; 出处《中文信息学报》 CSCD 北大核心 2019年第1期133-142,共10页; 基金国家自然科学基金(61262080 61562043) +2 种基金 20161BBE50086) 江西省教育厅科技重点项目(GJJ150299); 文摘文本情感倾向性分析是自然语言处理研究领域的一个基础问题。基于深度学习的模型是处理此问题的常用模型。而当前的多数深度学习模型在中文文本情感倾向性分析方面的应用存在两个问题:一是未能充分考虑到文本的层次化结构对情感倾向性判定的重要作用,二是传统的分词技术在处理文本时会产生歧义。该文针对这些问题基于卷积神经网络与层次化注意力网络的优点提出了一种深度学习模型C-HAN(Convolutional Neural Network-based and Hierarchical Attention Network-based Chinese Sentiment Classification Model),先用并行化卷积层学习词向量间的联系与组合形式,再将其结果输入到基本单元为双向循环神经网络的层次化注意力网络中判定情感倾向。实验表明:模型在中文评论数据集上倾向性分类准确率达到92.34%,和现有多个情感分析模型相比有所提升;此外,对于中文文本,选择使用字级别词向量作为原始特征会优于词级别词向量作为原始特征。; 关键词卷积神经网络层次化注意力网络情感倾向性分析词向量; Keywords convolutional neural network hierarchical attention network sentiment orientation analysis word embedding; 分类号 TP391.1 [自动化与计算机技术—计算机应用技术] TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名集成层级图注意力网络检测非均衡虚假评论被引量：3: 2; 作者赵敏张月琴窦英通张泽华; 机构太原理工大学信息与计算机学院 Department of Computer Science; 出处《计算机科学与探索》 CSCD 北大核心 2023年第2期428-441,共14页; 基金国家自然科学基金(61503273,61702356) 教育部产学合作协同育人项目山西省回国留学人员科研资助项目。; 文摘作为机器学习当前一大热点,图神经网络(GNN)模型近年来已逐渐开始结合用户评论应用于欺诈检测领域。但现实中汇总的用户评论涉及多个不同领域,可用信息复杂多样,海量的用户生成内容中欺诈信息通常也只占少数,基于GNN的相关检测方法对虚假评论的识别效果不甚理想。针对这种特征异构和数据分布不均衡的问题,将评论系统进行异构网络建模,提出一种新的集成层次图注意力网络(En-HGAN)识别方法。通过融合层次注意力结构,更加充分地利用异构网络中丰富的用户行为信息,为评论学习更加丰富的语义表征,并在集成学习Bagging框架下集成多个差异化的HGAN子模型,使用随机欠采样策略实现基学习器多样性聚合,从而减少有效信息丢失,增强对欺诈评论的检测能力。在YelpChi与Amazon真实数据集上的实验结果表明,En-HGAN方法具有良好的异常探测性能,和当前一些最新的方法相比,在数据类别倾斜分布的应用中显示En-HGAN方法对欺诈实体具有不错的鲁棒性。; 关键词虚假评论检测层次图注意力网络网络表征学习集成学习非均衡数据分类; Keywords fake review detection hierarchical graph attention network network representation learning ensemble learning imbalanced data classification; 分类号 TP316 [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

题名融合篇章成分识别的中文记叙文篇章结构测评被引量：1: 3; 作者王晓艺王锦丞刘杰; 机构首都师范大学中国语言智能研究中心首都师范大学文学院北京控制与电子技术研究所北方工业大学信息学院; 出处《小型微型计算机系统》北大核心 2025年第1期55-63,共9页; 基金国家科技创新2030-“新一代人工智能”重大项目(2020AAA0109700)资助国家自然科学基金项目(62076167)资助国家语委十四五规划项目(YB145-16)资助。; 文摘篇章结构合理性是作文自动评测中的重要考量维度.当前针对记叙文篇章结构合理性自动评估的研究还处于起步阶段.该文通过与语文教学专家共同制定记叙文篇章结构评价标准与篇章成分标注规范,构建了具有一定规模的中文记叙文篇章结构测评语料库.基于该语料库,该文提出了融合篇章成分识别的记叙文篇章结构测评模型.模型利用深度学习算法和注意力机制从单词、句子、段落3个层次学习文章特征,从而提取篇章结构的重要信息,最后通过融合识别的篇章成分结果进行结构合理性评分.利用构建的记叙文篇章结构语料库进行实验,结果表明,该文提出的模型准确率达到79.6%,优于现有工作和基线模型.; 关键词篇章结构合理性语料库作文自动评分层次注意力网络 BERT; Keywords text structure corpus automatic essay scoring hierarchical network BERT; 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HAN的双通道复合模型的文本情感分类被引量：6: 4; 作者李辉黄钰杰李金秋; 机构河南理工大学物理与电子信息学院河南理工大学电气工程与自动化学院; 出处《传感器与微系统》 CSCD 北大核心 2021年第8期121-125,共5页; 基金河南省基础与前沿技术研究计划项目(152300410103) 河南省教育厅科学技术研究重点项目(13A510330)。; 文摘针对单一的神经网络模型结构简单、传统的注意力模型无法有效提取层次化的文本特征的问题,提出了一种基于HAN的双通道复合模型的文本情感分类。首先,在一个通道上使用双向门限循环(GRU)神经网络提取序列化信息,并引入层次化注意力网络(HAN)学习序列层次化文本信息。其次,在另一通道中借助分解卷积神经网络(CNN)获取局部文本特征,结合HAN学习深层次特征信息。最后,将两个通道进行融合,丰富特征向量,优化文本情感分类效果,提高模型的准确率。在3组中文数据集上进行多组对比实验,本文模型准确率分别达到92.06%,91.08%,92.71%,证明提出模型比单一通道模型表现更出色,使用层次化注意力网络比传统的注意力网络效果更好。; 关键词卷积神经网络门限循环神经网络层次化注意力网络情感分析; Keywords convolutional neural network(CNN) gated recurrent unit(GRU)neural network hierarchical attention network(HAN) sentiment analysis; 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	融合卷积神经网络与层次化注意力网络的中文文本情感倾向性分析	程艳叶子铭王明文张强张光河	《中文信息学报》 CSCD 北大核心	2019	27	在线阅读下载PDF 职称材料
2	集成层级图注意力网络检测非均衡虚假评论	赵敏张月琴窦英通张泽华	《计算机科学与探索》 CSCD 北大核心	2023	3	在线阅读下载PDF 职称材料
3	融合篇章成分识别的中文记叙文篇章结构测评	王晓艺王锦丞刘杰	《小型微型计算机系统》北大核心	2025	1	在线阅读下载PDF 职称材料
4	基于HAN的双通道复合模型的文本情感分类	李辉黄钰杰李金秋	《传感器与微系统》 CSCD 北大核心	2021	6	在线阅读下载PDF 职称材料