-
题名基于CNN和深层语义匹配的中文实体链接模型
被引量：7
- 1
-
-
作者
吴晓崇
段跃兴
张月琴
闫雄
-
机构
太原理工大学信息与计算机学院
-
出处
《计算机工程与科学》
CSCD
北大核心
2020年第8期1514-1520,共7页
-
基金
国家自然科学基金(61503273)。
-
文摘
实体链接是知识图谱领域的重要研究内容,现有的实体链接模型研究大多集中在对手工特征的选择上,不能很好地利用实体间的语义信息来实现更高效的实体链接效果。故提出一个基于深度语义匹配模型和卷积神经网络的实体链接模型,候选实体生成阶段采用构造同名字典,并基于上下文进行字典扩充,通过匹配来选择候选实体集。通过卷积神经网络来捕获深层语义信息,进行特征提取,并将其作为语义匹配模型的输入,通过模型训练学习选择出最佳参数,并输出语义相似度最高的候选实体作为实体链接的结果。在NLP&CC2014_ERL数据集上较Ranking SVM模型准确率提升了3.9%,达到86.7%。实验结果表明了提出的新模型性能优于当前的主流模型。
-
关键词
实体链接
知识图谱
卷积神经网络
深层语义模型
语义相似度
-
Keywords
entity linking
knowledge graph
convolutional neural network
deep structured semantic model
semantic similarity
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于深度学习的电商商品购买意图识别模型
- 2
-
-
作者
郭小宇
马静
-
机构
南京航空航天大学经济与管理学院
-
出处
《运筹与管理》
CSSCI
CSCD
北大核心
2024年第1期145-150,共6页
-
基金
国家自然科学基金资助项目(72174086)
中央高校基本科研业务费专项资金项目(NW2020001)。
-
文摘
识别用户的购买意图是提升电子商务购买率(PR)的重要方法之一。针对用户购买意图不明确的现象,提出一种新模型。该模型将训练后的Word2Vec(WV)词向量馈入卷积神经网络(CNN),通过深层语义模型(DSSM)进一步提取文本特征。在Keras框架下结合美国建材电商网站家得宝的真实搜索数据进行实证分析。结果表明,在五分类问题中,新模型在测试数据集上的F1-score达80.6%。新模型使用了Word2Vec与CNN提取文本特征,并应用DSSM模型进一步提取了用户检索与商品描述文档在高维空间中的特征表示,最大化利用了用户检索与正确商品描述之间的语义相似度,同时避免了特征提取时主观因素的干扰,提高了商品购买意图的识别效果。
-
关键词
购买意图识别
卷积神经网络
深层语义模型
深度学习
-
Keywords
purchase intention identification
convolutional neural networks(CNN)
deep structured semantic model(DSSM)
deep learning
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
