期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
图神经网络和数值诱导正则化的数值推理方法
1
作者 白宇康 陈彦敏 +2 位作者 樊小超 孙睿军 李炜杰 《智能系统学报》 CSCD 北大核心 2024年第5期1268-1276,共9页
数值推理是机器阅读理解的一项关键能力,而数值推理任务中的数据类型多样,数值之间潜在的运算关系对数值推理任务有着更高的要求。为了进一步提升数值推理能力,一方面继承图神经网络方法并探索新的图结构,采用异构图神经网络结构进行数... 数值推理是机器阅读理解的一项关键能力,而数值推理任务中的数据类型多样,数值之间潜在的运算关系对数值推理任务有着更高的要求。为了进一步提升数值推理能力,一方面继承图神经网络方法并探索新的图结构,采用异构图神经网络结构进行数值推理,另一方面在预训练语言模型中引入数值诱导正则化方法,增强模型的数值理解能力。在DROP数据集上实验的结果表明,2种方法得到76.5%的精准匹配率,与基线模型对比以及对方法的消融实验表明,上述2种方法能够提升机器的数值推理能力。 展开更多
关键词 数值推理 机器阅读理解 图神经网络 异构图 数值诱导正则化 命名实体识别 预训练模型 抽取式
在线阅读 下载PDF
NR:一种数值推理方法
2
作者 张师超 严小卫 《高技术通讯》 EI CAS CSCD 1995年第A01期69-71,共3页
给出了一种数值推理方法。它将逐步匹配推理方法转化为逻辑值的计算。该模型的推理时间至多为O(n^2)。
关键词 不确定推理 数值推理 匹配 矩阵
在线阅读 下载PDF
融入软掩码机制增强数值表示的表格-文本混合问答
3
作者 张腾勋 许鸿飞 +2 位作者 约瑟夫·范·吉纳比斯 熊德意 昝红英 《小型微型计算机系统》 CSCD 北大核心 2024年第6期1292-1300,共9页
表格-文本混合问答需要从异质数据中进行数值推理得到答案,当前的研究将问题、表格、文本拼接作为输入,但其中包含太多不相关的数值和文本会降低模型的性能.使用硬掩码机制将噪音去除以增强正确的数值表示会产生错误传播问题,本文提出... 表格-文本混合问答需要从异质数据中进行数值推理得到答案,当前的研究将问题、表格、文本拼接作为输入,但其中包含太多不相关的数值和文本会降低模型的性能.使用硬掩码机制将噪音去除以增强正确的数值表示会产生错误传播问题,本文提出一种新的软掩码机制对原始输入表示进行缩放,从而增强正确的数值表示,同时减轻错误传播问题,并且该机制可以灵活地运用到各种模型以及任务中.本文在FinQA、ConvFinQA和MultiHiertt数据集上进行实验,结果表明通过软掩码机制增强数值表示可显著提升模型的性能(+1.27/+1.65Exe/Prog Acc、+3.09/+2.96Exe/Prog Acc和+5.29/+3.45EM/F1).本文还通过消融实验分析软掩码相对于硬掩码的优势,以及不同软掩码向量的影响,并讨论了当前表格-文本混合问答的局限性与未来方向. 展开更多
关键词 自然语言处理 表格-文本问答 软掩码 数值推理
在线阅读 下载PDF
基于规则矩阵的数值化推理算法
4
作者 何华灿 刘永怀 张利辉 《西北工业大学学报》 EI CAS CSCD 北大核心 1997年第1期93-96,共4页
何华灿等于1994年首次提出了数值化推理技术的概念,给出了一种基于规则矩阵的数值化推理算法,它同时完成规则的激活和可信度传播计算。本文提出另一种基于规则矩阵的数值化推理算法,它先判定规则是否被激活,再进行被激活规则的... 何华灿等于1994年首次提出了数值化推理技术的概念,给出了一种基于规则矩阵的数值化推理算法,它同时完成规则的激活和可信度传播计算。本文提出另一种基于规则矩阵的数值化推理算法,它先判定规则是否被激活,再进行被激活规则的可信度传播计算。这两种方法各有优缺点,适用于不同场合。 展开更多
关键词 规则矩阵 数值推理 推理算法 人工智能
在线阅读 下载PDF
基于正负例思维链的表格-文本混合金融数据自动问答方法
5
作者 李希 刘喜平 +3 位作者 舒晴 谭钊 万常选 刘德喜 《中文信息学报》 北大核心 2025年第7期102-113,共12页
金融领域表格-文本混合数据的自动问答面临复杂数值推理等挑战。针对这一挑战,该文提出了正负例思维链方法。思维链技术通过选取演示样本,搭配提示指令,能有效提升大语言模型的多步骤推理能力。但思维链的演示样本多为人工制作,费时费力... 金融领域表格-文本混合数据的自动问答面临复杂数值推理等挑战。针对这一挑战,该文提出了正负例思维链方法。思维链技术通过选取演示样本,搭配提示指令,能有效提升大语言模型的多步骤推理能力。但思维链的演示样本多为人工制作,费时费力,且影响大模型推理。受正例和负例对学习效果影响的启发,该文从大模型的推理结果中抽取样本,构建正例样本池和负例样本池。采用静态和动态相结合的策略选取不同类型的演示样本:选择最佳正例能够保障大语言模型输出的准确率,选择相似负例能够指导大语言模型规避错误推理。实验结果显示,该方法在FinQA数据集上的准确率提高了3.6%,在FinQA-fix数据集上的准确率提高了12.73%,显著提升了大模型的数值推理能力。 展开更多
关键词 思维链 正负例 表文混合问答 大语言模型 数值推理
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部