-
题名基于双向LSTM网络的流式文档结构识别
被引量：10
- 1
-
-
作者
张真
李宁
田英爱
-
机构
北京信息科技大学网络文化与数字传播北京市重点实验室
北京信息科技大学计算机学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2020年第1期60-66,73,共8页
-
基金
国家重点研发计划“私有云环境下服务化智能办公系统平台”(2018YFB1004100)
国家自然科学基金“流式文档排版格式的智能化分析与优化方法”(61672105)
-
文摘
流式文档结构识别对于排版格式自动优化和信息提取等具有重要作用。基于规则的结构识别方法泛化能力较差,而基于机器学习的方法未考虑文档单元之间的长距离依赖关系,识别准确率较低。针对该问题,提出一种基于双向长短期时间记忆(LSTM)网络的流式文档结构识别方法。从文档单元的格式、内容与语义3个方面筛选关键特征,并将文档结构识别看作序列标注问题,使用双向LSTM神经网络构建识别模型,以实现对18种逻辑标签的识别。实验结果表明,该方法能够对文档结构进行有效识别,其识别效果优于方正飞翔软件。
-
关键词
文档结构识别
流式文档
特征提取
序列标注
长短期时间记忆网络
-
Keywords
document structure recognition
stream document
feature extraction
sequence labeling
Long Short-Term Memory(LSTM)network
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名面向人体行为识别的深度特征学习方法比较
被引量：9
- 2
-
-
作者
匡晓华
何军
胡昭华
周媛
-
机构
南京信息工程大学电子与信息工程学院
南京信息工程大学江苏省气象探测与信息处理重点实验室
-
出处
《计算机应用研究》
CSCD
北大核心
2018年第9期2815-2817,2822,共4页
-
基金
国家自然科学基金资助项目(61601230)
江苏省自然科学基金资助项目(BK20141004)
+1 种基金
上海市北斗导航与位置服务重点实验室开放基金项目
江苏省高校优势学科Ⅱ期建设工程资助项目
-
文摘
针对人体行为识别问题,比较了两种基于智能手机惯性加速度传感器数据的深度特征学习方法。先将传感器数据进行重叠加窗的预处理;然后将带标签的样本数据直接输入深度网络模型中,通过端到端的特征学习,最终输出行为分类结果。通过对比深度卷积神经网络、长短期记忆网络两种深度学习方法在公开网站UCI的机器学习知识库的人体行为识别数据集上的识别效果。实验结果表明,采用Dropout深度卷积神经网络特征学习方法识别准确率为90.98%,是一种有效的深度特征学习方法。
-
关键词
深度学习
行为识别
序列数据分类
深度卷积神经网络
长短期时间记忆网络
-
Keywords
deep learning
activity recognition
sequential data classification
deep convolution neural network(DCNN)
long short-term memory network(LSTM)
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
