检索结果-维普期刊中文期刊服务平台

一种基于语义相似度的文本聚类算法被引量：18: 1; 作者孙爽章勇《南京航空航天大学学报》 EI CAS CSCD 北大核心 2006年第6期712-716,共5页; 文本聚类在很多文本挖掘和信息检索系统中发挥着重要的作用。现有的聚类算法大多数都是基于向量空间模型,文档集合中出现的单词词频作为特征项。这些算法都存在数据维数过高、聚簇难以描述的问题,而且忽略了单词间的语义联系。本文提出... 展开更多; 关键词文本聚类语义相似度文本表示语义相似度的文本聚类算法; 在线阅读下载PDF 职称材料

基于多模型集成的语义文本相似性判断被引量：4: 2; 作者苏锦钿洪晓斌余珊珊《华南理工大学学报（自然科学版）》 EI CAS CSCD 北大核心 2022年第4期1-9,共9页; 作为目前自然语言处理及人工智能领域的主流方法,各种预训练语言模型由于在语言建模、特征表示、模型结构、训练目标及训练语料等方面存在差异,导致它们在下游任务中的表现各有优劣。为了更好地融合不同预训练语言模型中的知识及在下游... 展开更多; 关键词深度学习语义文本相似度自然语言处理预训练语言模型多模型集成; 在线阅读下载PDF 职称材料

基于WV-CNN的中文文本语义相似度计算方法被引量：7: 3; 作者张春英李春虎付其峰《华北理工大学学报（自然科学版）》 CAS 2019年第1期123-132,共10页; 为解决传统中文文本语义相似度计算存在的语义及句法信息缺失、人工提取特征误差较大等问题,融合词向量与卷积神经网络方法,构建中文文本语义相似度计算模型,并给出WV-CNN(Word Vector-Convolutional Neural Network)文本语义相似度计... 展开更多; 关键词中文文本语义相似度词向量深度学习 WV-CNN; 在线阅读下载PDF 职称材料

一种自发性口语评测文本语义相似度评分特征提取方法: 4; 作者宋阳王岚《集成技术》 2013年第1期29-34,共6页; 自发性口语评测中如何提取文本语义相似度评分特征是一个非常困难的问题。针对这个问题本文采用基于词网络(WordNet)的Lesk算法计算词与词之间的语义相似度,在词义相似度的基础上提出了词与文本之间的语义相似度算法,提出了一种完整的... 展开更多; 关键词自发性口语评测文本语义相似度词网络 Lesk算法; 在线阅读下载PDF 职称材料

基于文本-视觉和信息熵最小化的对比学习模型: 5; 作者蔡晓东董丽芳 +1 位作者黄业洋周丽《华南理工大学学报(自然科学版)》北大核心 2025年第3期50-56,共7页; 当前的无监督对比学习方法主要依赖纯文本信息来构建句子嵌入,在全面理解句子所表达的深层含义时存在局限性。同时,传统的对比学习方法过于注重最大化文本正实例之间的互信息,忽视了句子嵌入中潜在的噪声干扰。为了既能保留文本中的有... 展开更多; 关键词无监督对比学习互信息文本-视觉信息熵最小化语义文本相似度; 在线阅读下载PDF 职称材料

题名一种基于语义相似度的文本聚类算法被引量：18: 1; 作者孙爽章勇; 机构南京航空航天大学信息科学与技术学院; 出处《南京航空航天大学学报》 EI CAS CSCD 北大核心 2006年第6期712-716,共5页; 文摘文本聚类在很多文本挖掘和信息检索系统中发挥着重要的作用。现有的聚类算法大多数都是基于向量空间模型,文档集合中出现的单词词频作为特征项。这些算法都存在数据维数过高、聚簇难以描述的问题,而且忽略了单词间的语义联系。本文提出了一种基于语义相似度的文本聚类算法——TCU SS(Text clustering usingsem an ticsim ilarity)算法。TCU SS算法将文档表示成概念列表,有效地解决了数据维数高和聚簇描述难的问题,并给出如何利用概念列表进行聚簇描述的方法。TCU SS算法利用两个概念列表中单词间的语义相似度作为文档间相近程度的度量,并以图为基础进行聚类分析,避免有些聚类算法对聚簇形状的限制。实验证明,TCU SS算法提高了聚类质量。; 关键词文本聚类语义相似度文本表示语义相似度的文本聚类算法; Keywords text clustering semantic similarity text representation text clustering using semantic similarity （TCUSS） algorithm; 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

题名基于多模型集成的语义文本相似性判断被引量：4: 2; 作者苏锦钿洪晓斌余珊珊; 机构华南理工大学计算机科学与工程学院华南理工大学机械与汽车工程学院广东药科大学医药信息工程学院; 出处《华南理工大学学报（自然科学版）》 EI CAS CSCD 北大核心 2022年第4期1-9,共9页; 基金国家自然科学基金资助项目(61936003) 广东省基础与应用研究基金资助项目(2019B151502057)。; 文摘作为目前自然语言处理及人工智能领域的主流方法,各种预训练语言模型由于在语言建模、特征表示、模型结构、训练目标及训练语料等方面存在差异,导致它们在下游任务中的表现各有优劣。为了更好地融合不同预训练语言模型中的知识及在下游任务中的学习能力,结合语义文本相似性判断任务的特点,提出一种多模型集成方法MME-STS,给出相应的模型总体架构及相应的特征表示,并针对多模型的集成问题分别提出基于平均值、基于全连接层训练和基于Adaboost算法的3种不同集成策略,同时在两个常用的经典基准数据集上验证该方法的有效性。实验结果表明,MME-STS在国际语义评测SemEval 2014任务4的SICK和SemEval 2017 STS-B数据集上的Pearson共关系值和Spearman相关系数值均超过单个预训练语言模型方法。; 关键词深度学习语义文本相似度自然语言处理预训练语言模型多模型集成; Keywords deep learning semantic textual similarity natural language processing pre-trained language model multi-model ensemble; 分类号 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

题名基于WV-CNN的中文文本语义相似度计算方法被引量：7: 3; 作者张春英李春虎付其峰; 机构华北理工大学理学院华北理工大学信息工程学院; 出处《华北理工大学学报（自然科学版）》 CAS 2019年第1期123-132,共10页; 基金河北省自然科学基金(F2016209344 F2018209374); 文摘为解决传统中文文本语义相似度计算存在的语义及句法信息缺失、人工提取特征误差较大等问题,融合词向量与卷积神经网络方法,构建中文文本语义相似度计算模型,并给出WV-CNN(Word Vector-Convolutional Neural Network)文本语义相似度计算方法。通过Embedding层将词语向量化后的结果作为CNN的输入,CNN中设置了卷积、Dropout、池化和Flatten4层网络,经过参数选择、训练、调优后输出结果。选取第6届全国数据挖掘竞赛提供的数据集以及在百度的WebQa数据集作为实验对象,使用Accuracy值、F1值、AUC值、KS值4种评测指标进行对比实验。结果表明,WV-CNN具有更好的计算精度和效果。; 关键词中文文本语义相似度词向量深度学习 WV-CNN; Keywords semantic similarity of Chinese text word vector deep learning WV-CNN; 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

题名一种自发性口语评测文本语义相似度评分特征提取方法: 4; 作者宋阳王岚; 机构中国科学院深圳先进技术研究院; 出处《集成技术》 2013年第1期29-34,共6页; 基金国家自然科学基金资助项目(NSFC90920002); 文摘自发性口语评测中如何提取文本语义相似度评分特征是一个非常困难的问题。针对这个问题本文采用基于词网络(WordNet)的Lesk算法计算词与词之间的语义相似度,在词义相似度的基础上提出了词与文本之间的语义相似度算法,提出了一种完整的基于词网络的文本语义相似度评分特征提取方法。实验利用该方法在考生答案与标准答案之间中提取文本语义相似度评分特征,并利用该特征与老师评分进行相关度分析,实验结果表明该算法可以有效的表征考生答案和标准答案之间的文本语义相似度。; 关键词自发性口语评测文本语义相似度词网络 Lesk算法; Keywords spontaneous speech evaluation text-to-text semantic similarity wordnet lesk algorithm; 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

题名基于文本-视觉和信息熵最小化的对比学习模型: 5; 作者蔡晓东董丽芳黄业洋周丽; 机构桂林电子科技大学信息与通信学院南宁西岸枫谷商务数据有限公司; 出处《华南理工大学学报(自然科学版)》北大核心 2025年第3期50-56,共7页; 基金广西创新驱动发展专项(AA20302001)。; 文摘当前的无监督对比学习方法主要依赖纯文本信息来构建句子嵌入,在全面理解句子所表达的深层含义时存在局限性。同时,传统的对比学习方法过于注重最大化文本正实例之间的互信息,忽视了句子嵌入中潜在的噪声干扰。为了既能保留文本中的有用信息,又能有效地剔除文本嵌入中的噪声干扰,该文提出了一种基于文本-视觉和信息熵最小化的对比学习模型。首先,将文本与对应的视觉信息在对比学习的框架下进行深度融合,共同映射到一个统一的地面空间,并确保它们的表示在该空间中保持一致,从而克服了仅依赖纯文本信息进行句子嵌入学习的限制,使得对比学习过程更加全面且精确;然后,遵循信息最小化原则,在最大化文本正实例间互信息的同时,基于信息熵最小化对文本正实例进行重构。在标准语义文本相似度(STS)任务上的实验结果表明,所提出的模型在Spearman相关系数评价指标上取得了显著提升,相较于现有先进方法具有显著的优势,同时也证明了该模型的有效性。; 关键词无监督对比学习互信息文本-视觉信息熵最小化语义文本相似度; Keywords unsupervised contrastive learning mutual information text-visual information entropy minimization semantic text similarity; 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	作者	出处	发文年	被引量	操作
1	一种基于语义相似度的文本聚类算法	孙爽章勇	《南京航空航天大学学报》 EI CAS CSCD 北大核心	2006	18	在线阅读下载PDF 职称材料
2	基于多模型集成的语义文本相似性判断	苏锦钿洪晓斌余珊珊	《华南理工大学学报（自然科学版）》 EI CAS CSCD 北大核心	2022	4	在线阅读下载PDF 职称材料
3	基于WV-CNN的中文文本语义相似度计算方法	张春英李春虎付其峰	《华北理工大学学报（自然科学版）》 CAS	2019	7	在线阅读下载PDF 职称材料
4	一种自发性口语评测文本语义相似度评分特征提取方法	宋阳王岚	《集成技术》	2013	0	在线阅读下载PDF 职称材料
5	基于文本-视觉和信息熵最小化的对比学习模型	蔡晓东董丽芳黄业洋周丽	《华南理工大学学报(自然科学版)》北大核心	2025	0	在线阅读下载PDF 职称材料