期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
3
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于类空间密度的文本分类特征加权算法
被引量：
3
1
作者
贾隆嘉
孙铁利
+1 位作者
杨凤芹
孙红光
《吉林大学学报（信息科学版）》
CAS
2017年第1期92-97,共6页
特征加权是一种依据特征在分类中起到的作用为特征赋予相应权重的过程,是为了提高分类性能而为特征标记权重的策略。基于类空间密度提出了两个新的特征加权算法:tf*ICSDF和ICSDF-based。实验中,在RCV1-4和20 Newsgroups数据集上,采用支...
特征加权是一种依据特征在分类中起到的作用为特征赋予相应权重的过程,是为了提高分类性能而为特征标记权重的策略。基于类空间密度提出了两个新的特征加权算法:tf*ICSDF和ICSDF-based。实验中,在RCV1-4和20 Newsgroups数据集上,采用支持向量机分类器将提出的方法进行了验证。实验结果显示,该方法相比传统的特征加权方法(prob-based、tf*icf和icf-based)可以有效地提升文本分类性能。
展开更多
关键词
特征加权
类空间密度
文本分类
机器学习
在线阅读
下载PDF
职称材料
最小二乘支持向量机方法用于提高低水平量子化学方法计算吸收能的精度
被引量：
1
2
作者
高婷
韩博
+3 位作者
李辉
李鸿志
吕英华
苏忠民
《高等学校化学学报》
SCIE
EI
CAS
CSCD
北大核心
2012年第12期2734-2738,共5页
运用B3LYP/STO-3G和ZINDO两种低水平的量子化学方法计算了160个有机分子的UV-Vis吸收光谱,然后提取合适的物理参数,并以实验值为基础,引入最小二乘支持向量机方法以提高吸收能的计算值精度.结果表明,最小二乘支持向量机方法可有效提高...
运用B3LYP/STO-3G和ZINDO两种低水平的量子化学方法计算了160个有机分子的UV-Vis吸收光谱,然后提取合适的物理参数,并以实验值为基础,引入最小二乘支持向量机方法以提高吸收能的计算值精度.结果表明,最小二乘支持向量机方法可有效提高量子化学计算精度,体系的吸收能误差均方根分别从0.95和0.46 eV降低到0.16和0.15 eV.最小二乘支持向量机校正方法的引入可在较少的机时和计算资源下得到比单一的量子化学计算方法更为稳定和精确的计算结果,且可在现有计算条件下预测现有计算能力达不到的精度.因此,将最小二乘支持向量机方法用于量子化学数据分析,为化学研究准确、快捷地预测分子性质提供了一种新的研究手段.
展开更多
关键词
有机小分子
吸收能
最小二乘支持向量机
密度泛函理论
在线阅读
下载PDF
职称材料
基于注意力机制和BGRU网络的文本情感分析方法研究
被引量：
1
3
作者
尹良亮
孙红光
+2 位作者
王超
贾慧婷
索朗卓玛
《无线互联科技》
2019年第9期27-29,共3页
文本情感分类只考虑内容中的情感语义,不能有效表示上下文语义信息,忽略词对句子含义的重要程度,基于此,文章提出一种基于注意力机制和双向门循环单元网络的情感分析方法,使用双向门循环单元代替原有的简单网络,有效结合文本中的上下文...
文本情感分类只考虑内容中的情感语义,不能有效表示上下文语义信息,忽略词对句子含义的重要程度,基于此,文章提出一种基于注意力机制和双向门循环单元网络的情感分析方法,使用双向门循环单元代替原有的简单网络,有效结合文本中的上下文语义信息。通过在公开数据集IMDB上进行验证,对比MLP网络、BRNN网络和BGRU网络得出,文章提出的方法达到最好分类效果。
展开更多
关键词
文本情感分析
注意力机制
双向门循环单元
深度学习
在线阅读
下载PDF
职称材料
题名
基于类空间密度的文本分类特征加权算法
被引量：
3
1
作者
贾隆嘉
孙铁利
杨凤芹
孙红光
机构
东北师范大学计算机科学与
信息
技术学院
东北师范大学
智能信息处理吉林省高校重点实验室
出处
《吉林大学学报（信息科学版）》
CAS
2017年第1期92-97,共6页
基金
长春市科技局基金资助项目(14KP009)
吉林省科技厅基金资助项目(20130206041GX)
+1 种基金
吉林省发改委基金资助项目(2015Y56
[2013]779)
文摘
特征加权是一种依据特征在分类中起到的作用为特征赋予相应权重的过程,是为了提高分类性能而为特征标记权重的策略。基于类空间密度提出了两个新的特征加权算法:tf*ICSDF和ICSDF-based。实验中,在RCV1-4和20 Newsgroups数据集上,采用支持向量机分类器将提出的方法进行了验证。实验结果显示,该方法相比传统的特征加权方法(prob-based、tf*icf和icf-based)可以有效地提升文本分类性能。
关键词
特征加权
类空间密度
文本分类
机器学习
Keywords
term weighting
class space density
text categorization
machine learning
分类号
TP31 [自动化与计算机技术—计算机软件与理论]
在线阅读
下载PDF
职称材料
题名
最小二乘支持向量机方法用于提高低水平量子化学方法计算吸收能的精度
被引量：
1
2
作者
高婷
韩博
李辉
李鸿志
吕英华
苏忠民
机构
东北师范大学计算机科学与
信息
技术学院
东北师范大学化学学院
出处
《高等学校化学学报》
SCIE
EI
CAS
CSCD
北大核心
2012年第12期2734-2738,共5页
基金
国家“九七三”计划项目(批准号:2009CB623605)
国家自然科学基金(批准号:20903020)
吉林省科技发展计划项目(批准号:20110364,20100114)资助
文摘
运用B3LYP/STO-3G和ZINDO两种低水平的量子化学方法计算了160个有机分子的UV-Vis吸收光谱,然后提取合适的物理参数,并以实验值为基础,引入最小二乘支持向量机方法以提高吸收能的计算值精度.结果表明,最小二乘支持向量机方法可有效提高量子化学计算精度,体系的吸收能误差均方根分别从0.95和0.46 eV降低到0.16和0.15 eV.最小二乘支持向量机校正方法的引入可在较少的机时和计算资源下得到比单一的量子化学计算方法更为稳定和精确的计算结果,且可在现有计算条件下预测现有计算能力达不到的精度.因此,将最小二乘支持向量机方法用于量子化学数据分析,为化学研究准确、快捷地预测分子性质提供了一种新的研究手段.
关键词
有机小分子
吸收能
最小二乘支持向量机
密度泛函理论
Keywords
Small organic molecule
Absorption energy
Least squares support vector machine
Density functional theory
分类号
O641 [理学—物理化学]
在线阅读
下载PDF
职称材料
题名
基于注意力机制和BGRU网络的文本情感分析方法研究
被引量：
1
3
作者
尹良亮
孙红光
王超
贾慧婷
索朗卓玛
机构
东北师范大学
信息
科学与技术学院
智能信息处理吉林省高校重点实验室
拉萨师范高等专科学校
出处
《无线互联科技》
2019年第9期27-29,共3页
基金
吉林省科技发展计划项目
项目编号:20170204002GX
+1 种基金
吉林省发改委引导项目
项目编号:2015Y056
文摘
文本情感分类只考虑内容中的情感语义,不能有效表示上下文语义信息,忽略词对句子含义的重要程度,基于此,文章提出一种基于注意力机制和双向门循环单元网络的情感分析方法,使用双向门循环单元代替原有的简单网络,有效结合文本中的上下文语义信息。通过在公开数据集IMDB上进行验证,对比MLP网络、BRNN网络和BGRU网络得出,文章提出的方法达到最好分类效果。
关键词
文本情感分析
注意力机制
双向门循环单元
深度学习
Keywords
text emotion analysis
attention mechanism
two-way door cycling unit
deep learning
分类号
TP391.1 [自动化与计算机技术—计算机应用技术]
TP18 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于类空间密度的文本分类特征加权算法
贾隆嘉
孙铁利
杨凤芹
孙红光
《吉林大学学报（信息科学版）》
CAS
2017
3
在线阅读
下载PDF
职称材料
2
最小二乘支持向量机方法用于提高低水平量子化学方法计算吸收能的精度
高婷
韩博
李辉
李鸿志
吕英华
苏忠民
《高等学校化学学报》
SCIE
EI
CAS
CSCD
北大核心
2012
1
在线阅读
下载PDF
职称材料
3
基于注意力机制和BGRU网络的文本情感分析方法研究
尹良亮
孙红光
王超
贾慧婷
索朗卓玛
《无线互联科技》
2019
1
在线阅读
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
