期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到10篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于语义拼写理解和门控注意力机制的不良言论检测 被引量：1
1
作者 周险兵 樊小超 +2 位作者 杨勇 刁宇峰 任鸽 《计算机应用与软件》 北大核心 2024年第1期112-118,125,共8页
如何自动检测网络传播的不良言论信息是自然语言处理研究领域的热门研究内容之一。针对不良言论中语义表达和拼写习惯的特点,提出一种基于语义拼写理解和门控注意力机制的不良言论检测方法。该方法采用自注意力机制获取文本的语义特征,... 如何自动检测网络传播的不良言论信息是自然语言处理研究领域的热门研究内容之一。针对不良言论中语义表达和拼写习惯的特点,提出一种基于语义拼写理解和门控注意力机制的不良言论检测方法。该方法采用自注意力机制获取文本的语义特征,采用卷积神经网络提取文本的拼写特征,采用前期特征融合和门控注意力机制相结合的方式融合语义和拼写特征。在两个公共数据集上的实验结果表明,提出的模型能够有效地提取不良言论的语义特征,提高不良言论检测的性能。 展开更多
关键词 不良言论检测 语义拼写理解 自注意力机制 早期融合 门控注意力机制
在线阅读 下载PDF
基于注意力机制—门控循环单元—BP神经网络的智能多工序工艺参数关联预测 被引量：2
2
作者 阴艳超 张曦 +1 位作者 唐军 张万达 《计算机集成制造系统》 EI CSCD 北大核心 2023年第2期487-502,共16页
鉴于流程制造工序间能质流耦合严重,性能指标影响因素众多,工艺参数时序特征显著,现有制造模式下难以精准预测产品质量,在分析流程制造工艺性能指标多维、强时序、关联耦合特征的基础上,提出一种基于注意力机制—门控循环单元-BP神经网... 鉴于流程制造工序间能质流耦合严重,性能指标影响因素众多,工艺参数时序特征显著,现有制造模式下难以精准预测产品质量,在分析流程制造工艺性能指标多维、强时序、关联耦合特征的基础上,提出一种基于注意力机制—门控循环单元-BP神经网络(Attention AM-GRU-BPNN)的多工序耦合参数关联预测方法。首先采用互信息方法筛选多态异构生产数据作为输入,建立ConvGRU自编码器,通过无监督学习对过程数据、工艺参数、操作参数等进行时序特征提取,同时引入时序注意力机制提取不同工序的耦合关联特征并进行向量嵌入,为不同工序的工艺参数分配注意力权重。在此基础上,设计Attention网络自学习不同时刻下工艺关联特征对质量性能指标的影响差异,再通过门控循环单元网络对重要的关联特征进行增强,并按照时序特征对单工序预测模型进行聚合,实现多工序时序特征融合,最后通过输出层BPNN神经网络精准预测产品工艺质量。实验表明,AM-GRU-BPNN有效提高了预测精度,从多工序角度为生产线工序的加工过程控制提供了依据。 展开更多
关键词 流程制造 多工序耦合 注意力机制—门控循环单元-BP神经网络 时序特征融合 关联预测
在线阅读 下载PDF
深层注意力和两阶段融合的图文情感对比学习方法
3
作者 余本功 石中玉 《计算机工程与应用》 北大核心 2025年第3期223-233,共11页
图文数据逐渐成为网络舆情的主流载体,图文情感分析利用多模态的信息互补效应提高情感分析效果,在人机对话、舆情监控等领域具备极大的应用潜能。以往的研究大多将图像和文本的特征拼接后再使用注意力进行融合,模态信息交互不充分,融合... 图文数据逐渐成为网络舆情的主流载体,图文情感分析利用多模态的信息互补效应提高情感分析效果,在人机对话、舆情监控等领域具备极大的应用潜能。以往的研究大多将图像和文本的特征拼接后再使用注意力进行融合,模态信息交互不充分,融合特征存在大量的噪声。提出了一种深层注意力和两阶段融合的图文情感对比学习方法。使用深层跨模态注意力网络进行模态交互,有助于提取不同模态的隐藏信息。设计的跨模态门控融合模块利用门控机制和注意力实现特征的两阶段融合,动态调整特征权重,降低数据噪声。模型通过对比学习和情感分类任务的联合训练,充分捕获与情感相关的跨模态共同特征,有利于提升模型的鲁棒性。方法在MVSA-Single、MVSA-Multiple和HFM等数据集上进行实验得到的准确率和F1值相较于基线模型的最优者平均提升了1.04和0.96个百分点。 展开更多
关键词 图文情感分析 深层注意力 两阶段融合 门控注意力机制 对比学习
在线阅读 下载PDF
基于门控多层次注意机制的事件主体抽取 被引量：5
4
作者 冀相冰 朱艳辉 +2 位作者 詹飞 梁文桐 张旭 《计算机应用与软件》 北大核心 2021年第9期173-179,187,共8页
传统事件主体抽取方法着重依赖句子级信息进行抽取,不能完全解决事件的模糊性问题。提出一种基于门控多层次注意机制的ELMo-BiGRU深度学习模型对事件主体抽取进行研究。使用ELMo预训练模型生成上下文相关的动态词向量,在一定程度上缓解... 传统事件主体抽取方法着重依赖句子级信息进行抽取,不能完全解决事件的模糊性问题。提出一种基于门控多层次注意机制的ELMo-BiGRU深度学习模型对事件主体抽取进行研究。使用ELMo预训练模型生成上下文相关的动态词向量,在一定程度上缓解一词多义的问题;为了处理句子中存在事件模糊性的问题,采用门控多层次注意力机制动态融合每个词的句子级信息和文档级信息。实验结果表明,该方法的抽取效果明显优于传统抽取方法,可以有效解决事件主体抽取的问题。 展开更多
关键词 事件主体抽取 ELMo 门控多层次注意机制 BiGRU 深度学习
在线阅读 下载PDF
双元双模态下二次门控融合的多模态情感分析 被引量：2
5
作者 刘青文 买日旦·吾守尔 古兰拜尔·吐尔洪 《计算机工程与应用》 CSCD 北大核心 2024年第8期165-172,共8页
为了平衡情感信息在不同模态中分布的不均匀性,获得更深层次的多模态情感表征,提出了一种基于双元双模态二次门控融合的多模态情感分析方法。对文本、视觉模态,文本、语音模态分别融合,充分考虑文本模态在三个模态中的优势地位。同时为... 为了平衡情感信息在不同模态中分布的不均匀性,获得更深层次的多模态情感表征,提出了一种基于双元双模态二次门控融合的多模态情感分析方法。对文本、视觉模态,文本、语音模态分别融合,充分考虑文本模态在三个模态中的优势地位。同时为了获得更深层次的多模态交互信息,使用二次融合。在第一次融合中,使用融合门决定向主模态添加多少补充模态的知识,得到两个双模态混合知识矩阵。在第二次融合中,考虑到两个双模态混合知识矩阵中存在冗余、重复的信息,使用选择门从中选择有效、精简的情感信息作为双模态融合后的知识。在公开数据集CMU-MOSEI上,情感二分类的准确率和F1值分别达到了86.2%、86.1%,表现出良好的健壮性和先进性。 展开更多
关键词 多模态情感分析 双元双模态 二次融合 门控注意力机制
在线阅读 下载PDF
门控多层融合的实时语义分割 被引量：3
6
作者 张灿龙 程庆贺 +1 位作者 李志欣 王智文 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2020年第9期1442-1449,共8页
针对语义分割任务中因模型下采样过程中的像素损失而导致的上采样像素难以精确还原的问题,提出一种基于门控多层融合的实时语义分割方法.考虑分割的实时性,采用轻量级模型作为基础网络进行特征信息的提取.为解决像素难以精确还原问题,... 针对语义分割任务中因模型下采样过程中的像素损失而导致的上采样像素难以精确还原的问题,提出一种基于门控多层融合的实时语义分割方法.考虑分割的实时性,采用轻量级模型作为基础网络进行特征信息的提取.为解决像素难以精确还原问题,设计了一种横向连接的门控注意力结构,此结构可以对目标特征进行筛选,并通过横向传递增强上采样特征图信息的多样性,从而提高特征图的还原精度.此外,还提出采用多层融合结构来整合不同网络层的语义信息,利用不同网络层间的语义表达差异对缺失像素进行补充.实验以CamVid和VOC为数据集,以512×512大小的图像为输入,测试结果表明,方法的图像语义分割精度达到72.9%,平均分割速度为43.1帧/s. 展开更多
关键词 图像语义分割 多层融合 门控注意力机制
在线阅读 下载PDF
基于多传感器信息融合和CNN-BIGRU-Attention模型的液压防水阀故障诊断方法 被引量：3
7
作者 肖遥 向家伟 +1 位作者 汤何胜 任燕 《机电工程》 CAS 北大核心 2024年第9期1517-1528,共12页
在建筑工程领域,尤其是在工程搅拌设备中,涉及到复杂液压工作介质,液压防水阀往往会出现不同程度的故障。此外,恶劣的工作环境和复杂的噪声背景使得对液压防水阀的故障进行诊断变得困难。为了解决这一难题,提出了一种基于多传感器信息... 在建筑工程领域,尤其是在工程搅拌设备中,涉及到复杂液压工作介质,液压防水阀往往会出现不同程度的故障。此外,恶劣的工作环境和复杂的噪声背景使得对液压防水阀的故障进行诊断变得困难。为了解决这一难题,提出了一种基于多传感器信息融合和卷积神经网络-双向门控循环单元-自注意力机制(CNN-BIGRU-Attention)模型的防水阀故障诊断方法。首先,考虑到单一传感器振动信号难以充分表达故障特征,该方法使用了3个传感器采集含噪声的振动信号,并进行了必要的预处理;其次,提取了信号的16个时域特征、5个频域特征以及3个时频域特征,并利用熵权法进行了特征融合,达到了增强特征的目的;然后,将融合的多维特征集输入到CNN-BIGRU-Attention模型中进行了特征识别;最后,利用实际的液压防水阀故障诊断实验,验证了该方法的有效性。研究结果表明:采用多传感器提取的特征更为全面,信息融合有助于捕捉更完整的隐藏数据特征,从而显著提高诊断的准确率;相较于其他特征识别方法,采用CNN-BIGRU-Attention模型的液压防水阀故障诊断准确率可分别提高6.7%、4.6%和14.2%,达到了96.86%,证明了该方法的有效性。该方法将先进的机器学习技术与实际工程应用相结合,为建筑工程问题提供了一种新颖、有效的解决方案。 展开更多
关键词 液压传动系统 液压防水阀 多传感器 滑动时间窗 TEAGER能量算子 熵权法 卷积神经网络-双向门控循环单元-自注意力机制模型
在线阅读 下载PDF
融合主题预测和情感推理的共情回复生成方法 被引量：3
8
作者 唐宏 彭金枝 +1 位作者 郭艳霞 刘杰 《计算机工程与应用》 CSCD 北大核心 2023年第14期114-123,共10页
越来越多的研究开始聚焦于共情回复生成,然而现有的研究往往只关注于影响共情的表面情感因素,却忽略了对话中主题的变化和情感背后的原因,这将会导致生成的共情回复与主题不相关或共情性不足,从而降低用户的交互体验。因此提出一种融合... 越来越多的研究开始聚焦于共情回复生成,然而现有的研究往往只关注于影响共情的表面情感因素,却忽略了对话中主题的变化和情感背后的原因,这将会导致生成的共情回复与主题不相关或共情性不足,从而降低用户的交互体验。因此提出一种融合主题信息和深层次情感信息的共情回复生成方法。通过主题预测模块进行受上下文控制的主题预测,得到一个候选主题词序列;通过情感推理模块预测出对话上下文的情感标签和检测出对话上下文中与情感原因相关的词,得到一个情感原因词标签序列;在回复生成模块中引入主题词门控注意力机制和情感原因词标签门控注意力机制,动态地选择出用于生成共情回复的主题词和情感原因词,促使对话模型生成主题相关且情感共鸣的共情回复。在数据集EmpatheticDialogues上的实验表明,该方法生成的回复的内容更加丰富、主题更加相关、情感更加共鸣。 展开更多
关键词 共情回复生成 对话模型 主题预测模块 情感推理模块 门控注意机制
在线阅读 下载PDF
基于语义先验知识与类型嵌入的复杂实体识别 被引量：1
9
作者 姜小波 何昆 阎广瑜 《软件学报》 EI CSCD 北大核心 2023年第12期5649-5669,共21页
实体识别是信息抽取的关键任务.随着信息抽取技术的发展,研究人员从简单实体的识别转向复杂实体的识别.然而,复杂实体缺乏明显的特征且在句法结构与词性组成上更加复杂多样,给实体识别带来了巨大挑战.此外,现有模型广泛采用基于跨度的... 实体识别是信息抽取的关键任务.随着信息抽取技术的发展,研究人员从简单实体的识别转向复杂实体的识别.然而,复杂实体缺乏明显的特征且在句法结构与词性组成上更加复杂多样,给实体识别带来了巨大挑战.此外,现有模型广泛采用基于跨度的方法来识别嵌套实体,在实体边界检测方面呈现出模糊化,影响识别的性能.针对这些问题和挑战,提出了一种基于语义先验知识与类型嵌入的实体识别模型GIA-2DPE.该模型使用实体类别的关键词序列作为语义先验知识来提升对实体的认知,并通过类型嵌入捕获不同实体类型的潜在特征,然后通过门控交互注意力机制将先验知识与类型特征相融合以辅助复杂实体识别.另外,模型通过2D概率编码来预测实体边界,并利用边界特征和上下文特征来增强对边界的精准检测,从而提升嵌套实体的识别效果.在7个英文数据集和2个中文数据集上进行了广泛实验.结果表明,GIA-2DPE超越了目前最先进的模型;并且在ScienceIE数据集的实体识别任务中,相对基线F1分数取得了最高10.4%的提升. 展开更多
关键词 信息抽取 复杂实体识别 门控交互注意力机制 2D概率编码
在线阅读 下载PDF
基于深度多匹配网络的多轮对话回复选择模型 被引量：1
10
作者 刘超 李婉 《计算机应用研究》 CSCD 北大核心 2023年第8期2393-2398,共6页
现有工作利用神经网络构建了各种检索模型,取得了一定的成功,但仍存在注入模型信息筛选不充分、引入噪声和对已知内容的潜在语义信息、时序关系挖掘不充分问题。针对上述问题,提出了基于深度多匹配网络的多轮对话回复模型(DMMN)。该模... 现有工作利用神经网络构建了各种检索模型,取得了一定的成功,但仍存在注入模型信息筛选不充分、引入噪声和对已知内容的潜在语义信息、时序关系挖掘不充分问题。针对上述问题,提出了基于深度多匹配网络的多轮对话回复模型(DMMN)。该模型将上下文与知识作为对候选回复的查询,在三者编码之后提出预匹配层,采用单向交叉注意力机制分别筛选出基于知识感知的上下文与基于上下文感知的知识,识别两者中重要的信息。将候选回复与以上两者交互作用之后,进行特征聚合阶段,一方面借助额外BiLSTM网络捕获基于回复的上下文对话信息间的时序信息,另一方面借助带门控的注意力机制挖掘基于回复的知识间的语义信息,增强匹配特征信息。最后,融合上述表示特征。在原始的和修改后的Persona-Chat数据集上性能评测结果显示,与现有方法相比,该模型召回率得到了进一步的提高,检索出的回复效果更好。 展开更多
关键词 多轮回复选择 深度多匹配网络 语义挖掘 带门控的注意力机制
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部