期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
中文机器阅读理解的鲁棒性研究 被引量:4
1
作者 李烨秋 唐竑轩 +2 位作者 钱锦 邹博伟 洪宇 《北京大学学报(自然科学版)》 EI CAS CSCD 北大核心 2021年第1期16-22,共7页
为了更好地评价阅读理解模型的鲁棒性,基于Dureader数据集,通过自动抽取和人工标注的方法,对过敏感、过稳定和泛化3个问题分别构建测试数据集。还提出基于答案抽取和掩码位置预测的多任务学习方法。实验结果表明,所提方法能显著地提高... 为了更好地评价阅读理解模型的鲁棒性,基于Dureader数据集,通过自动抽取和人工标注的方法,对过敏感、过稳定和泛化3个问题分别构建测试数据集。还提出基于答案抽取和掩码位置预测的多任务学习方法。实验结果表明,所提方法能显著地提高阅读理解模型的鲁棒性,所构建的测试集能够对模型的鲁棒性进行有效评估。 展开更多
关键词 机器阅读理解 鲁棒性 中文语料库
在线阅读 下载PDF
一种低通带波纹的EBG带阻滤波器
2
作者 高初 陈志宁 +2 位作者 王蕴仪 杨宁 QING Xian-ming 《微波学报》 CSCD 北大核心 2006年第5期63-66,共4页
分析了串联加载的电磁带隙结构(EBG)带阻滤波器的通带波纹,比较了电容、电感和并联谐振加载的影响,设计和制作了一种低通带波纹的EBG带阻滤波器。该结构共有4个周期,通过在微带线的接地面上蚀刻螺旋形结构来实现。滤波器的中心频率为2.4... 分析了串联加载的电磁带隙结构(EBG)带阻滤波器的通带波纹,比较了电容、电感和并联谐振加载的影响,设计和制作了一种低通带波纹的EBG带阻滤波器。该结构共有4个周期,通过在微带线的接地面上蚀刻螺旋形结构来实现。滤波器的中心频率为2.44GHz,阻带中心衰减大于50dB,相邻通带内的波纹小于0.29dB。仿真结果与试验结果相吻合,说明了分析和设计的正确性。 展开更多
关键词 带阻滤波器 等效电路 电磁带隙 波纹
在线阅读 下载PDF
基于多任务学习的生成式阅读理解 被引量:5
3
作者 钱锦 黄荣涛 +1 位作者 邹博伟 洪宇 《中文信息学报》 CSCD 北大核心 2021年第12期103-111,121,共10页
生成式阅读理解是机器阅读理解领域一项新颖且极具挑战性的研究。与主流的抽取式阅读理解相比,生成式阅读理解模型不再局限于从段落中抽取答案,而是能结合问题和段落生成自然和完整的表述作为答案。然而,现有的生成式阅读理解模型缺乏... 生成式阅读理解是机器阅读理解领域一项新颖且极具挑战性的研究。与主流的抽取式阅读理解相比,生成式阅读理解模型不再局限于从段落中抽取答案,而是能结合问题和段落生成自然和完整的表述作为答案。然而,现有的生成式阅读理解模型缺乏对答案在段落中的边界信息以及对问题类型信息的理解。为解决上述问题,该文提出一种基于多任务学习的生成式阅读理解模型。该模型在训练阶段将答案生成任务作为主任务,答案抽取和问题分类任务作为辅助任务进行多任务学习,同时学习和优化模型编码层参数;在测试阶段加载模型编码层进行解码生成答案。实验结果表明,答案抽取模型和问题分类模型能够有效提升生成式阅读理解模型的性能。 展开更多
关键词 多任务学习 生成式阅读理解
在线阅读 下载PDF
基于双层注意力机制的篇章级事件真实性检测
4
作者 盛佳璇 邹博伟 +1 位作者 陈佳丽 洪宇 《中文信息学报》 CSCD 北大核心 2023年第6期128-136,共9页
自然语言文本中的事件真实性指作者对给定事件存在于客观世界中的确定性程度的描述,正确识别文本中事件的真实性,有助于对自然语言进行深层语义理解。同时,事件真实性检测对诸多自然语言处理应用,如观点检测、事件图谱构建、情感分析等... 自然语言文本中的事件真实性指作者对给定事件存在于客观世界中的确定性程度的描述,正确识别文本中事件的真实性,有助于对自然语言进行深层语义理解。同时,事件真实性检测对诸多自然语言处理应用,如观点检测、事件图谱构建、情感分析等具有重要意义。目前,大多数事件真实性检测研究集中在句子级任务上,而在同一篇章中,经常出现针对同一事件真实性表述不同的情况,此时仅在句子层面识别事件真实性可能会导致矛盾。针对该问题,该文提出了一个基于双层注意力机制的篇章级事件真实性检测方法。首先,利用预训练语言模型BERT对句子进行编码;其次,采用图注意力网络学习句子中的上下文信息与事件之间的依赖关系;最后,利用文档级注意力机制抽取不同句子序列之间的潜在关联,从事件序列集合中获取篇章级事件真实性的最终特征表示。实验结果验证了该方法的有效性,在英文和中文数据集上的实验结果显示,该文所提出方法F1值分别达到87.91%和87.92%,与目前最好系统相比,分别提升了1.40%和1.28%。 展开更多
关键词 篇章级事件真实性 图注意力神经网络 文档级注意力机制
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部