期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于RoBERTa-Span-Attack的标签指针网络军事命名实体识别 被引量:3
1
作者 罗兵 张显峰 +1 位作者 段立 陈琳 《海军工程大学学报》 CAS 北大核心 2024年第1期76-82,93,共8页
军事领域文本中存在大量军事实体信息,准确识别这些信息是军事文本信息提取和构建军事知识图谱的基础性任务。首先,提出了一种基于RoBERTa预训练模型、跨度和对抗训练的标签指针网络的融合深度模型(RoBERTa-Span-Attack),用于中文军事... 军事领域文本中存在大量军事实体信息,准确识别这些信息是军事文本信息提取和构建军事知识图谱的基础性任务。首先,提出了一种基于RoBERTa预训练模型、跨度和对抗训练的标签指针网络的融合深度模型(RoBERTa-Span-Attack),用于中文军事命名实体识别;然后,采用了一种基于Span的标签指针网络,同时完成实体的起止位置和类别的识别任务;最后,在模型训练过程中加入对抗训练策略,通过添加一些扰动来生成对抗样本进行训练。在军事领域数据集上的实验结果表明:所提出的军事领域命名实体识别模型相较于BERT-CRF、BERT-Softmax和BERT-Span,在识别准确度上具有更优的效果。 展开更多
关键词 军事命名实体识别 预训练模型 跨度 标签指针网络 对抗训练
在线阅读 下载PDF
基于BERT的端到端旅游评论意见挖掘方法 被引量:3
2
作者 蔡玉舒 曹扬 +3 位作者 江维 詹瑾瑜 李响 杨瑞 《计算机技术与发展》 2021年第9期118-123,共6页
近年来,随着旅游类互联网产品的兴起,网络上产生了大量针对目的景点的主观评论,使用深度学习算法对相关评论进行意见挖掘,帮助游客快速了解景区特点并为旅游监管提供依据,已然成为一个新的趋势。如何将细粒度意见挖掘方法,如方面级情感... 近年来,随着旅游类互联网产品的兴起,网络上产生了大量针对目的景点的主观评论,使用深度学习算法对相关评论进行意见挖掘,帮助游客快速了解景区特点并为旅游监管提供依据,已然成为一个新的趋势。如何将细粒度意见挖掘方法,如方面级情感分析,应用到旅游评论中,成为一个迫切需要解决的问题。针对上述问题,结合方面级情感分析中意见词抽取和类别分类两个子任务,文中提出了一种针对旅游评论的基于BERT的端到端意见挖掘方法。首先利用BERT对旅游评论进行编码,再经过下游指针网络解码后对相应的旅游评论进行序列标注,得到<意见词,类别>二元组,以形成完整的观点表达。通过实验与现有的序列标注方法相比,该方法具有更好的挖掘效果。此外,构造了针对中文旅游网站评论的数据集,可用于中文方面级情感分析各个子任务的研究。 展开更多
关键词 旅游评论意见挖掘 细粒度意见挖掘 BERT 序列标注 指针网络
在线阅读 下载PDF
面向法律文书的分段式摘要模型 被引量:5
3
作者 王刚 孙媛媛 +1 位作者 陈彦光 林鸿飞 《计算机工程》 CAS CSCD 北大核心 2022年第6期288-294,共7页
是指对文本信息内容进行概括、提取主要内容进而形成摘要的过程。现有的文本摘要模型通常将内容选择和摘要生成独立分析,虽然能够有效提高句子压缩和融合的性能,但是在抽取过程中会丢失部分文本信息,导致准确率降低。基于预训练模型和Tr... 是指对文本信息内容进行概括、提取主要内容进而形成摘要的过程。现有的文本摘要模型通常将内容选择和摘要生成独立分析,虽然能够有效提高句子压缩和融合的性能,但是在抽取过程中会丢失部分文本信息,导致准确率降低。基于预训练模型和Transformer结构的文档级句子编码器,提出一种结合内容抽取与摘要生成的分段式摘要模型。采用BERT模型对大量语料进行自监督学习,获得包含丰富语义信息的词表示。基于Transformer结构,通过全连接网络分类器将每个句子分成3类标签,抽取每句摘要对应的原文句子集合。利用指针生成器网络对原文句子集合进行压缩,将多个句子集合生成单句摘要,缩短输出序列和输入序列的长度。实验结果表明,相比直接生成摘要全文,该模型在生成句子上ROUGE-1、ROUGE-2和ROUGE-L的F1平均值提高了1.69个百分点,能够有效提高生成句子的准确率。 展开更多
关键词 司法摘要 预训练模型 Transformer编码器 序列标注 指针生成器网络 分段式摘要模型
在线阅读 下载PDF
基于旋转目标检测的指针仪表读数识别方法 被引量:4
4
作者 张尹人 邓春华 《计算机工程与设计》 北大核心 2023年第6期1804-1811,共8页
为解决判断指针方向的问题,提出一个旋转目标检测网络R-YOLOv5。采用旋转矩形的形式定位指针的位置和角度方向,采用环形平滑标签的长边表示法区分矩形的方向,将角度回归预测问题转化为分类问题,设计合适的损失函数和旋转IoU计算方法,解... 为解决判断指针方向的问题,提出一个旋转目标检测网络R-YOLOv5。采用旋转矩形的形式定位指针的位置和角度方向,采用环形平滑标签的长边表示法区分矩形的方向,将角度回归预测问题转化为分类问题,设计合适的损失函数和旋转IoU计算方法,解决角度周期性对训练的影响。针对指针仪表数字刻度识别问题,提出一种空间聚类算法,能够鲁棒地识别刻度的数字。实验结果表明,所提指针仪表读数识别方法在误差允许范围内,识别准确率达93.9%。 展开更多
关键词 指针方向 旋转目标检测网络 环形平滑标签 长边表示法 角度周期性 空间聚类 刻度识别
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部