-
题名基于BERT模型的方面级情感分析
被引量：2
- 1
-
-
作者
李壮
李鸿燕
-
机构
太原理工大学信息与计算机学院
-
出处
《电子设计工程》
2023年第16期138-142,共5页
-
文摘
针对传统的方面级情感分析模型不能很好表征深层次的字词向量信息,且无法解决该领域由于人工标注的高成本方法,使得数据集普遍较少而导致的分类效果较差的问题,提出BERTDTL-HAN方面级情感分析模型。模型通过BERT结构在获得含有丰富语义信息字词向量信息的同时,结合深层次迁移学习和层次注意网络机制将数据量大的句子级别情感分析数据集,通过单词编码层和片段编码层两个维度深层迁移到数据量小的方面级情感分析任务中,并在三个领域的数据集上进行实验。对比该领域内的三个最佳基准模型,其准确率分别提升1.40%、0.96%和0.93%。
-
关键词
情感分析
深度学习网络
BERT模型
迁移学习
注意力机制
-
Keywords
emotionanalysis
deeplearningnetwork
BERTmodel
transferlearning
attentionalmechanism
-
分类号
TN91
[电子电信—通信与信息系统]
-
-
题名用于无人机系统的高精度轻量化目标检测网络
- 2
-
-
作者
张浩泽
-
机构
沈阳理工大学自动化与电气工程学院
-
出处
《通信与信息技术》
2026年第2期125-129,共5页
-
文摘
随着无人机技术的快速发展,基于无人机的目标检测成为当前研究的热点,但现有方法面临计算资源不足、推理时间长等问题。针对该问题,本文提出了YOLO11s-ZY,一种用于无人机航拍图像目标检测的轻量化多尺度目标检测网络。该算法在YOLO11s的基础上进行改进,采用了DSNet作为主干网络,减少了模型参数量以提升特征提取效率,同时替换了传统的特征金字塔网络,采用了ZD模块,通过引入信息双向交互和加权特征融合机制,显著提升了多尺度特征的融合效果,提升了模型精度,再将SXC模块与之融合进一步增强目标检测任务中的特征融合效果。VisDrone 2019数据集上,YOLO11s-ZY在保持检测精度的前提下显著减少了参数量和计算量,FPS优于传统方法,适合在计算资源有限的无人机设备上进行实时目标检测应用。
-
关键词
无人机
目标检测
深度学习网络
-
Keywords
Drones
Targetdetection
deeplearningnetwork
-
分类号
TN912.3
[电子电信]
-
