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4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GloVe-CNN算法的英语在线考试主观题自动评分模型 被引量：7
1
作者 黎秋艳 刘佳祎 +1 位作者 王鹏 王杰 《桂林理工大学学报》 CAS 北大核心 2023年第1期155-160,共6页
针对英语在线考试系统的主观题评分本身具有的复杂性,引入单词表达式的词向量模型global vector(GloVe)与卷积神经网络(CNN)构建文本表达式特征,提出了基于GloVe-CNN算法的主观题自动评阅模型,以实现英语在线考试系统主观题自动评分。... 针对英语在线考试系统的主观题评分本身具有的复杂性,引入单词表达式的词向量模型global vector(GloVe)与卷积神经网络(CNN)构建文本表达式特征,提出了基于GloVe-CNN算法的主观题自动评阅模型,以实现英语在线考试系统主观题自动评分。通过平方加权Kappa评价指标,与人工阅卷分数差对比发现,该模型在评分的一致性、准确性等指标上要优于卷积神经网络、KNN模型等传统的模型,整体性能较好,可进一步减轻教师的教学负担。 展开更多
关键词 英语在线考试系统 自动评分 词向量 卷积神经网络
在线阅读 下载PDF
基于事件异构图表示的文本去重算法 被引量：5
2
作者 艾玮 许佳 +1 位作者 谢灿豪 孟涛 《湖南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2023年第2期74-85,共12页
基于图结构的文本表示方法在新闻文本去重中具有更好的效果.但是,目前该表示方法还不能完整地表示文本的全部信息,并且忽略了图的语义信息,降低了新闻文本的去重效果.为此,本研究提出基于事件异构图表示的文本去重算法,该算法首先通过... 基于图结构的文本表示方法在新闻文本去重中具有更好的效果.但是,目前该表示方法还不能完整地表示文本的全部信息,并且忽略了图的语义信息,降低了新闻文本的去重效果.为此,本研究提出基于事件异构图表示的文本去重算法,该算法首先通过事件异构图表示新闻文本的全局语义与结构信息,然后提出双标签图核算法表征事件异构图,实现深度表征图的结构及语义信息.实验结果表明,该研究提出的去重算法比现有的基于图结构的文本表示去重方法在F1-score指标上提升了10%.最后,该算法能提高新闻文本的去重效果. 展开更多
关键词 图核算法 事件异构图 新闻文本 文本表示 文本去重
在线阅读 下载PDF
基于三维动态全景的电力变压器漏磁场损耗智能控制技术研究 被引量：1
3
作者 王力 殷梵朝 +1 位作者 刘浩 孙世广 《自动化与仪器仪表》 2019年第11期161-164,共4页
在三维动态全景模式下设计的电力变压器容易出现漏磁场损耗现象,采用传统控制技术缺少对横向漏磁的分析,导致控制精准度较低,为了解决该问题,提出了基于三维模式的电力变压器横向漏磁场损耗智能控制技术研究。结合"场-路"耦... 在三维动态全景模式下设计的电力变压器容易出现漏磁场损耗现象,采用传统控制技术缺少对横向漏磁的分析,导致控制精准度较低,为了解决该问题,提出了基于三维模式的电力变压器横向漏磁场损耗智能控制技术研究。结合"场-路"耦合有限元漏磁场损耗计算原理,分析横向漏磁分布特性。采用增量式编码盘检测转子位置,当变压器复位后,需重新设定转子磁场角度。分别使用两个计时器记录脉冲和周期,使用抗积分饱和调节器对电流进行调节,使其产生直轴和交轴电流。对绕组末端变压器进行分接处理,通过调节分接S1大小,实现对电力变压器漏磁场损耗的智能控制。由实验对比结果可知,用三维手段能使该技术控制效果最高达到97%,为电力变压器稳定运行奠定基础。 展开更多
关键词 三维动态全景 电力变压器 漏磁场 损耗 横向涡流
原文传递
基于Albert-TextCNN模型的多标签新闻文本分类
4
作者 麦咏欣 林志豪 葸娟霞 《现代信息科技》 2024年第20期31-36,共6页
针对智能信息推送管理者的多标签新闻文本分类任务,提出了基于ALBERT-CNN模型的解决方案。利用ALBERT预训练模型和TextCNN卷积神经网络,充分进行语义理解和特征提取。通过ALBERT模型进行语义筛选,精准把握新闻文本内容和主题,再传递给Te... 针对智能信息推送管理者的多标签新闻文本分类任务,提出了基于ALBERT-CNN模型的解决方案。利用ALBERT预训练模型和TextCNN卷积神经网络,充分进行语义理解和特征提取。通过ALBERT模型进行语义筛选,精准把握新闻文本内容和主题,再传递给TextCNN模型进行分类和标签预测。采用Sigmoid函数输出每个标签的概率,实现精准的多标签分类。实验验证382688条来自今日头条客户端的数据,ALBERT-CNN模型的F1-Score达到92.05%,召回率达到96.8%,精确率达到90%,相比于优于传统的ALBERT和ALBERT-Denses模型的F1-Score和召回率有所提升。在精确率上略低于AlBERT-Dense。该研究为提高信息推送效率和降低误导性信息的传播提供了一个新的解决方案。 展开更多
关键词 多标签分类 ALBERT TextCNN 自然语言处理
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
使用帮助 返回顶部