期刊文献+
共找到8篇文章
< 1 >
每页显示 20 50 100
基于BERT-BiLSTM模型的虚假新闻检测
1
作者 张敏超 蒲秋梅 黄方俐 《中国电子科学研究院学报》 2025年第1期33-40,共8页
随着互联网的快速发展,虚假新闻的传播成为全球性问题,严重影响社会稳定和信息安全,因此,如何有效识别虚假新闻已成为自然语言处理领域的研究重点之一。文中提出了一种基于BERT的虚假新闻检测模型。该模型首先通过对预训练的BERT模型进... 随着互联网的快速发展,虚假新闻的传播成为全球性问题,严重影响社会稳定和信息安全,因此,如何有效识别虚假新闻已成为自然语言处理领域的研究重点之一。文中提出了一种基于BERT的虚假新闻检测模型。该模型首先通过对预训练的BERT模型进行微调,以获取新闻文本的深层语义表示;然后,在其顶部分别添加BiLSTM层和卷积神经网络(Convolutional Neural Networks,CNN)层,以捕捉文本的长程依赖关系和局部上下文特征;最后,通过Softmax层实现虚假新闻的分类。实验在新闻文本数据集上进行,结果显示,BERT-BiLSTM模型在英文数据集上的准确率达到96.14%,在中文数据集上的准确率达到97.32%。相比其他模型,BERT-BiLSTM在虚假新闻检测中表现更为优异,具有良好的实际应用价值,对维护网络信息安全具有重要意义。 展开更多
关键词 BERT模型 bilstm模型 虚假新闻检测 深度学习
在线阅读 下载PDF
基于LCD-SSA-BiLSTM模型的月径流预测研究 被引量:1
2
作者 任智晶 赵雪花 +1 位作者 郭秋岑 付兴涛 《水电能源科学》 北大核心 2024年第4期1-5,共5页
径流预测在水资源优化配置和防汛抗旱方面发挥着重要作用。但径流序列非平稳会导致预测误差及峰值预测误差较大,因此提出了基于局部特征尺度分解(LCD)、麻雀搜索算法(SSA)和双向长短期记忆神经网络(BiLSTM)的组合预测模型(LCD-SSA-BiLST... 径流预测在水资源优化配置和防汛抗旱方面发挥着重要作用。但径流序列非平稳会导致预测误差及峰值预测误差较大,因此提出了基于局部特征尺度分解(LCD)、麻雀搜索算法(SSA)和双向长短期记忆神经网络(BiLSTM)的组合预测模型(LCD-SSA-BiLSTM),以提高非平稳径流序列的预测精度。以汾河上游4个站点(汾河水库站、上静游站、兰村站和寨上站)为研究对象开展月径流序列预测研究,采用纳什效率系数、平均绝对误差、均方根误差、合格率4个评价指标对预测结果进行定量评价。结果表明,LCD-SSA-BiLSTM模型的平均绝对误差为10.346×10^(4)~124.629×10^(4)m^(3),均方根误差为19.416×10^(4)~191.284×10^(4)m^(3),纳什效率系数为0.975~0.988,4个水文站的合格率均在90%及以上,预测精度为甲级,与单一BiLSTM、EMD-BiLSTM、LCD-BiLSTM及EMD-SSA-BiLSTM模型相比预测效果更好,因此LCD-SSA-BiLSTM模型是预测非平稳月径流序列的有效方法。 展开更多
关键词 汾河上游 bilstm模型 LCD 月径流预测
在线阅读 下载PDF
基于BiLSTM模型的边坡形变预测方法
3
作者 牟延波 江科 +2 位作者 吴伟强 朱樊 朱豪 《采矿技术》 2024年第3期202-207,共6页
针对矿山边坡形变预测精度低以及传统预测模型在边坡形变预测领域的缺陷,基于深度学习理论提出了双向长短时记忆(BiLSTM)模型,并引入相关实际生产数据对和静县备战铁矿东侧边坡形变进行预测,建立了卷积-长短时记忆(CNN-LSTM)模型,并将... 针对矿山边坡形变预测精度低以及传统预测模型在边坡形变预测领域的缺陷,基于深度学习理论提出了双向长短时记忆(BiLSTM)模型,并引入相关实际生产数据对和静县备战铁矿东侧边坡形变进行预测,建立了卷积-长短时记忆(CNN-LSTM)模型,并将长短时记忆模型(LSTM)作为试验对照。结果表明:Bi LSTM模型预测精度较其他两种模型有明显提升,平均绝对误差(MAE)为98.176 mm,平均绝对百分比误差(MAPE)为4.16%,可用于中长期的露天矿山边坡形变预测。 展开更多
关键词 露天边坡 bilstm模型 边坡形变 预测精度
在线阅读 下载PDF
基于贝叶斯优化BERT-BiLSTM模型的攻击性语言识别与分类方法
4
作者 刘雪明 杜之波 《成都信息工程大学学报》 2025年第3期294-299,共6页
当前基于BERT模型的攻击性语言的识别与分类方法中存在特征稀疏和上下文关联性少的问题,影响攻击性语言识别与分类的准确性,并且在参数优化方面存在人工优化费时费力、成本高、效果差等问题。为此,提出一种基于BERT-BiLSTM模型的攻击语... 当前基于BERT模型的攻击性语言的识别与分类方法中存在特征稀疏和上下文关联性少的问题,影响攻击性语言识别与分类的准确性,并且在参数优化方面存在人工优化费时费力、成本高、效果差等问题。为此,提出一种基于BERT-BiLSTM模型的攻击语言识别方法,并利用基于概率寻优的贝叶斯优化方法解决超参数优化问题。首先通过BERT模型训练攻击性语言数据集并提取数据集中的攻击性词特征,之后再使用BiLSTM模型捕获深层次的上下文关联性,最后将获得的特征向量输入到回归模型中进行分类。经过对CLODataset中文数据集的测试,并将BERT模型和BiLSTM模型进行对比实验,证明该方法有效地捕获序列特征和上下文信息,从而提升文本分类性能,使模型在测试集上的F1值提升了0.11。 展开更多
关键词 BERT模型 bilstm模型 贝叶斯优化
在线阅读 下载PDF
基于BiLSTM+Attention模型的煤矿事故隐患自动分类研究 被引量:3
5
作者 赵法森 刘飞翔 +1 位作者 李泽荃 李靖 《煤炭科学技术》 CAS CSCD 北大核心 2022年第S02期210-217,共8页
煤矿事故隐患排查是“三位一体”安全生产标准化体系建设的重要基础,大部分企业已经建立并利用安全生产信息系统开展隐患排查治理工作,但相关事故隐患数据并未得到充分利用。以新版《煤矿安全规程》为类别划分标准,构建了17个隐患大类和... 煤矿事故隐患排查是“三位一体”安全生产标准化体系建设的重要基础,大部分企业已经建立并利用安全生产信息系统开展隐患排查治理工作,但相关事故隐患数据并未得到充分利用。以新版《煤矿安全规程》为类别划分标准,构建了17个隐患大类和109个隐患小类的分类体系,作为煤矿安全隐患数据的样本标签;利用BiLSTM模型结合Attention机制对煤矿事故隐患数据进行了双层类别体系的文本分类,并以BERT模型作为基线进行了对比研究。计算结果表明:在隐患大类分类试验中,对于整体的分类结果,BiLSTM+Attention模型在准确率、精准率、召回率和F_(1)值上均高于BERT模型2个百分点;对于各隐患类别的分类结果,以F_(1)值作为主要衡量标准,BiLSTM+Attention模型的分类性能最高达到91%,普遍高于BERT模型1%至4%不等。在隐患小类分类试验中,BiLSTM+Attention模型的分类性能最高达到99%,同样普遍高于BERT模型1%到10%不等。可以看出,基于BiLSTM+Attention模型的煤矿事故隐患分类算法具有显著的分类效果,可以为煤矿事故隐患排查相关信息系统提供快速录入的便捷性应用。 展开更多
关键词 bilstm+Attention模型 自然语言处理 煤矿事故隐患 文本分类
在线阅读 下载PDF
抵近信控交叉口分心驾驶识别模型 被引量:7
6
作者 张玉婷 陈波佑 +2 位作者 张双焱 闫学东 李晓梦 《交通运输系统工程与信息》 EI CSCD 北大核心 2022年第1期217-224,共8页
为降低驾驶人抵近交叉口过程因分心导致的交通事故,本文基于双向长短时记忆网络(BILSTM)建立分心驾驶识别模型。依托驾驶模拟实验,采集了45位驾驶人抵近信控交叉口过程中的横纵行为数据,通过方差分析研究分心任务对驾驶行为的影响。结... 为降低驾驶人抵近交叉口过程因分心导致的交通事故,本文基于双向长短时记忆网络(BILSTM)建立分心驾驶识别模型。依托驾驶模拟实验,采集了45位驾驶人抵近信控交叉口过程中的横纵行为数据,通过方差分析研究分心任务对驾驶行为的影响。结果表明,分心驾驶人需要更长的制动反应时间,制动操作时间缩短,踩压制动踏板的力度下降,同时操纵方向盘的稳定性变差。然后,筛选有显著性影响的6个特征行为指标作为模型的输入,结果表明:BILSTM模型分心状态识别的精确率最高,达到92.6%,F_(1)值为88.7%;准确率、精确率、召回率、F_(1)、AUC和ROC曲线等模型性能均优于单向长短期记忆网络、支持向量机和决策树5.0分心识别模型。研究结果说明BILSTM模型能有效判别抵近信控交叉口驾驶人分心状态,可为交叉口驾驶人分心预警系统的优化设计提供依据和指导。 展开更多
关键词 交通工程 信控交叉口 分心状态识别 bilstm模型 驾驶模拟
在线阅读 下载PDF
跨信道环境下语种识别方法的研究
7
作者 迪力扎提·伊力哈木 米吉提·阿不里米提 +1 位作者 郑方 艾斯卡尔·艾木都拉 《现代电子技术》 2022年第24期37-43,共7页
针对现有语种识别方法对跨信道环境下关注较少的问题进行研究,在实际应用场景中语音采集设备与传输信道差异使得语种识别性能急剧下降。为降低跨信道对识别性能的影响,文中提出一种基于注意力机制的BiLSTM语种识别方法,在特征提取阶段对... 针对现有语种识别方法对跨信道环境下关注较少的问题进行研究,在实际应用场景中语音采集设备与传输信道差异使得语种识别性能急剧下降。为降低跨信道对识别性能的影响,文中提出一种基于注意力机制的BiLSTM语种识别方法,在特征提取阶段对比MFCC、FBANK、LPCC等不同语音特征的识别效果。实验证明FBANK特征在跨信道环境下的识别效果更好,引入注意力机制能够关注跨信道语音片段中与语种相关的信息,忽略非语种信息。所提方法在东方语种识别竞赛两个跨信道数据集(AP19⁃OLR和AP20⁃OLR)上进行实验,通过与基线系统X⁃VECTOR等语种识别方法进行对比,得出所提方法在两个数据集上的等错误率(EER)降低3.48%和5.66%。实验结果表明,基于注意力机制的BiLSTM语种识别方法能够有效提高语种识别任务中的特征提取能力,并改善跨信道环境下的语种识别性能。 展开更多
关键词 语种识别 跨信道 特征提取 注意力机制 识别方法对比 bilstm模型
在线阅读 下载PDF
中文常见医疗问题命名实体识别研究 被引量:1
8
作者 赵瑛 任燕春 +1 位作者 王铁 许丹彤 《现代电子技术》 2022年第16期121-126,共6页
为了达到提高中文常见医疗问题命名实体识别的效果,并为医疗领域知识图谱及其知识搜索奠定基础的目的,文中借助BiLSTM⁃CRF模型在解决序列问题时的优越性和BERT模型的强大表义能力,将BERT集成到BiLSTM⁃CRF中组成BERT⁃BiLSTM⁃CRF模型。该... 为了达到提高中文常见医疗问题命名实体识别的效果,并为医疗领域知识图谱及其知识搜索奠定基础的目的,文中借助BiLSTM⁃CRF模型在解决序列问题时的优越性和BERT模型的强大表义能力,将BERT集成到BiLSTM⁃CRF中组成BERT⁃BiLSTM⁃CRF模型。该模型通过引入BERT提取文本全局特征和局部特征,从而生成表义更加丰富的字向量,同时还具备BiLSTM网络捕获上下文语义信息和CRF标注偏置纠错的能力。鉴于目前缺少该领域的标注语料,该研究采用人工方式构建标注语料库。实验结果表明:BERT⁃BiLSTM⁃CRF模型的医疗实体识别效果优于传统的BiLSTM⁃CRF模型;且该模型在基于BIOE标注方案下实体识别效果较好,F1值达到97%;从类别上看,疾病类、症状类、检查类F1值达到99%,药物类达到92%。总体而言,中文常见医疗问题在基于BERT⁃BiLSTM⁃CRF模型并采用BIOE标注方案下实体识别效果最好,其中疾病类、症状类、检查类的实体识别效果较好。 展开更多
关键词 中文常见医疗问题 命名实体识别 BERT⁃bilstm⁃CRF模型 特征提取 语义信息 标注偏置纠错
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部