期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
功能视角下数字普惠金融阈值对技术创新的非对称影响 被引量:8
1
作者 王昱 刘思钰 支森润 《研究与发展管理》 CSSCI 北大核心 2022年第6期92-105,共14页
数字普惠金融作为数字技术驱动金融包容性增长的新金融形式,无论在服务范围和触达能力的规模层面,还是在与信息技术深度融合的功能层面,均能更精准地支持技术创新。本文首先基于A&H模型与内生增长模型,嵌入金融超发展非线性影响关系... 数字普惠金融作为数字技术驱动金融包容性增长的新金融形式,无论在服务范围和触达能力的规模层面,还是在与信息技术深度融合的功能层面,均能更精准地支持技术创新。本文首先基于A&H模型与内生增长模型,嵌入金融超发展非线性影响关系,并借助数值模拟方法,揭示数字普惠金融规模和效率层面的不同阈值对技术创新的非对称传导机制和影响特征。其次,沿着功能视角,基于我国2011—2018年地级市数据,运用门限模型实证检验数字普惠金融阈值对技术创新的影响,结果发现:数字普惠金融对技术创新存在非对称影响,在不同阈值范围内对技术创新影响程度不同;数字普惠金融的覆盖广度、使用深度2个规模维度对技术创新的影响在超过合理阈值后呈现递减特征,而数字化程度这个功能维度表现为持续的正向促进作用;数字普惠金融对技术创新影响存在显著的区域差异,对于东部地区,金融规模过度扩张表现出不同阈值的边际递减效应,而金融效率可以保持正向促进影响,对于中西部地区,两者均表现出正向促进作用。研究结论表明,数字普惠金融促进技术创新中的功能层面改善是突破规模瓶颈的重要手段。 展开更多
关键词 数字普惠金融 技术创新 金融阈值 门限模型
在线阅读 下载PDF
基于混合神经网络和注意力机制的生物医学事件触发词识别方法
2
作者 任永功 林禹竹 +2 位作者 唐玉洁 于博 何馨宇 《电子学报》 EI CAS CSCD 北大核心 2024年第9期3206-3216,共11页
生物医学事件作为生物医学文本挖掘的重要组成部分,在生物医学研究和疾病的预防中发挥着重要作用.触发词识别是生物医学事件抽取的关键和前提步骤,旨在提取描述事件类型的关键词.传统方法在特征提取过程中过分依赖自然语言处理工具,导... 生物医学事件作为生物医学文本挖掘的重要组成部分,在生物医学研究和疾病的预防中发挥着重要作用.触发词识别是生物医学事件抽取的关键和前提步骤,旨在提取描述事件类型的关键词.传统方法在特征提取过程中过分依赖自然语言处理工具,导致耗费人工成本.另外,由于生物医学文献的特殊性—长文本语句多,导致长距离依赖问题比较明显.为了解决这些问题,我们提出了一种混合结构,由残差卷积神经网络和双向长短期神经网络、混合神经网络和多头注意力机制组成.该模型利用残差卷积神经网络提取单词级特征并利用双向长短期神经网络提取上下文语义信息.此外,本文通过空间域滑动窗口将长句划分为等长短句,在不破坏上下文信息的前提下,避免了长距离依赖.实验结果表明,本文提出的方法在生物医学事件抽取通用语料MLEE(Multi-Level Event Extraction)上取得了较好的效果,F值达到81.15%. 展开更多
关键词 生物医学事件抽取 触发词识别 ReCNN-BiLSTM 空间域滑动窗口 MUH-Attention机制 混合神经网络
在线阅读 下载PDF
融合多尺度CNN和CRF的通用细粒度事件检测
3
作者 任永功 阎格 何馨宇 《小型微型计算机系统》 CSCD 北大核心 2024年第4期859-864,共6页
事件检测是自然语言处理领域中事件抽取的主要任务之一,它旨在从众多非结构化信息中自动提取出结构化的关键信息.现有的方法存在特征提取不全面、特征分布不均等情况.为了提高事件检测的准确率,提出了一种融合BERT预训练模型与多尺度CN... 事件检测是自然语言处理领域中事件抽取的主要任务之一,它旨在从众多非结构化信息中自动提取出结构化的关键信息.现有的方法存在特征提取不全面、特征分布不均等情况.为了提高事件检测的准确率,提出了一种融合BERT预训练模型与多尺度CNN的神经网络模型(BMCC,BERT+Multi-scale CNN+CRF).首先通过BERT(Bidirectional Encoder Representations from Transformers)预训练模型来进行词向量的嵌入,并利用其双向训练的Transformer机制来提取序列的状态特征;其次使用不同尺度的卷积核在多个卷积通道中进行卷积训练,以此来提取不同视野的语义信息,丰富其语义表征.最后将BIO机制融入到条件随机场(CRF)来对序列进行标注,实现事件的检测.实验结果表明,所提出的模型在MAVEN数据集上的F1值为65.17%,表现了该模型的良好性能. 展开更多
关键词 事件检测 BERT 多尺度CNN 条件随机场(CRF) 交叉验证
在线阅读 下载PDF
基于数据增强和扩张卷积的ICD编码分类 被引量:3
4
作者 闫婧 赵迪 +1 位作者 孟佳娜 林鸿飞 《计算机应用研究》 CSCD 北大核心 2024年第11期3329-3336,共8页
针对ICD编码分类任务存在的标签分布不平衡、临床记录文本过长和标签空间庞大等问题,提出一种基于数据增强和扩张卷积的ICD编码分类方法。首先,引入预训练模型BioLinkBERT,在生物医学领域采用无监督学习方式进行训练,以缓解域不匹配问题... 针对ICD编码分类任务存在的标签分布不平衡、临床记录文本过长和标签空间庞大等问题,提出一种基于数据增强和扩张卷积的ICD编码分类方法。首先,引入预训练模型BioLinkBERT,在生物医学领域采用无监督学习方式进行训练,以缓解域不匹配问题;其次,运用Mixup数据增强技术扩充隐藏表示,从而增加数据多样性及提升模型分类的鲁棒性,解决标签分布不平衡问题;最后,利用多粒度扩张卷积有效捕获文本数据中的长距离依赖关系,避免因输入文本过长影响模型效果。实验结果表明,该模型在MIMIC-Ⅲ数据集的两个子集上与多种方法进行比较,相较于基准模型的F_1值和precision@k值分别提升0.4%~1.5%和1.2%~1.6%。因此,本研究为解决ICD编码分类中的挑战提供有效的解决方案。 展开更多
关键词 ICD编码分类 BioLinkBERT预训练模型 Mixup数据增强 扩张卷积
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部