我要投稿 查看投稿进度
学术期刊
在线客服
客服电话：400-188-5008
客服邮箱：service@ccnpub.com
投诉举报：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享

请选择 目标期刊

面向国防科技领域的技术和术语语料库构建方法 下载：25 浏览：348

冯鸾鸾 李军辉 李培峰 朱巧明 《中文研究》 2020年11期

摘要:
互联网存在海量的文献和科技信息，隐含着大量高价值情报。识别国防科技领域中的技术和术语可以为构建国防科技知识图谱奠定基础。该文基于此领域的海量军事文本，以维基百科中军事领域的新技术为基点采集语料，涵盖了新闻、文献和维基百科三种体裁。在分析军事技术文本特点的基础上制定了一系列标注规范，开展了大规模语料的标注工作，构建了一个面向国防科技领域的技术和术语语料库。该语料库共标注了479篇文章，包含24 487个句子和33 756个技术和术语。同时，该文探讨了模型预标注策略的可行性，并对技术和术语类别在不同体裁上的分布以及语料标注的一致性进行了统计分析。基于该语料库的实验表明，技术和术语识别性能F1值达到70.40%，为进一步的技术和术语识别研究提供了基础。

基于篇章主题的中文宏观篇章主次关系识别方法 下载：40 浏览：229

孙振华 周懿 朱巧明 蒋峰 李培峰 《中文研究》 2020年9期

摘要:
篇章分析是自然语言处理领域研究的热点和重点。作为篇章分析的任务之一，篇章主次关系研究篇章的主要和次要内容，从而更好地理解和把握篇章的核心内容。该文重点研究宏观领域的中文篇章主次关系，提出了一种基于篇章主题的中文宏观篇章主次关系识别方法。该方法利用篇章单元间、篇章单元与篇章主题间的语义交互来识别主次关系，并有选择地应用篇章主题信息，有效提高了主次关系核心的识别。在中文宏观汉语篇章树库(MCDTB)上的实验结果显示，该方法优于目前性能最好的基准系统。

基于双向注意力机制的图像描述生成 下载：60 浏览：41

张家硕 洪宇 李志峰 姚建民 朱巧明 《中文研究》 2020年1期

摘要:
结合注意力机制的编码器—解码器框架被广泛应用于图像描述生成任务中。以往方法中，注意力机制根据当前时刻的语义信息挑选出重要的局部图像特征，进而依靠解码器的"翻译"能力将图像特征解码成文字。然而，在此过程中，单向的注意力机制并未检验语义信息与图像内容的一致性。因此，所生成的描述在准确性方面有所欠缺。为解决上述问题，该文提出一种基于双向注意力机制的图像描述生成方法，在单向注意力机制的基础上，加入图像特征到语义信息方向上的注意力计算，实现图像和语义信息两者在两个方向上的交互，并设计了一种门控网络对上述两个方向上的信息进行融合。最终，提高解码器所蕴含的语义信息与图像内容的一致性，使得所生成描述更加准确。此外，与前人研究不同的是，该文在注意力模块中利用了历史时刻的语义信息辅助当前时刻的单词生成，并对历史语义信息的作用进行了验证。该文基于MSCOCO和Flickr30k两种图像描述生成数据集，并使用两种图像特征进行了实验。实验结果显示，在MSCOCO数据集上，BLEU4分值平均提升1.3，CIDEr值平均提升6.3。在Flickr30k数据集上，BLEU4分值平均提升0.9，CIDEr值平均提升2.4。

一种面向生文本的事件同指消解神经网络方法 下载：42 浏览：486

方杰 李培峰 朱巧明 《中文研究》 2019年3期

摘要:
事件同指消解在自然语言理解中是一项复杂的任务，它需要在理解文本信息的基础上，发现其中的同指事件。事件同指消解在信息抽取、问答系统、阅读理解等自然语言任务中均有重要作用。该文提出了一个事件同指消解框架，包括事件抽取（ENSNN）、真实性识别（ENSNN）和事件同指消解（AGCNN）三个部分。事件同指消解模型（AGCNN）利用注意力池化机制来捕获事件的全局特征，利用门控卷积抽取复杂语义特征，提高了事件同指消解的性能。在KBP 2015和KBP 2016数据集上的实验结果表明，该文提出的方法优于目前最优的系统。

基于多模型的新闻标题分类 下载：55 浏览：429

董孝政 宋睿 洪宇 朱芬红 朱巧明 《中文研究》 2018年8期

摘要:
该文研究中文新闻标题的领域分类方法(domain-oriented headline classification，DHC)。现有研究将DHC限定为一种短文本分类问题，并将传统分类模型和基于卷积神经网络的分类模型应用于这一问题的求解。然而，这类方法忽视了新闻标题的内在特点，即为"标题是建立在凝练全文且弱相关的词语之上的一种强迫性的语义表述"。目前，融合了序列化记忆的循环神经网络在语义理解方面取得了重要成果。借助这一特点，该文将长短时记忆网络模型(long-short term memory，LSTM)及其变型——门控循环单元(gated recurrent unit，GRU)也应用于标题的语义理解与领域分类，实验验证其性能可达81%的F1值。此外，该文对目前前沿的神经网络分类模型进行综合分析，尝试寻找各类模型在DHC任务上共有的优势和劣势。通过对比"全类型多元分类"与"单类型二元分类"，发现在领域性特征较弱和领域歧义性较强的样本上，现有方法难以取得更为理想的结果(F1值<81%)。借助上述分析，该文旨在推动DHC研究在标题语言特性上投入更为充分的关注。

基于宏观语义表示的宏观篇章关系识别方法 下载：42 浏览：356

周懿 褚晓敏 朱巧明 蒋峰 李培峰 《当代中文学刊》 2019年10期

摘要:
宏观篇章分析旨在分析相邻段落或段落群之间的语义联系,是自然语言处理领域其他任务的工作基础。该文研究了宏观篇章分析中的关系识别问题,提出了一个宏观篇章关系识别模型。该模型利用基于词向量的宏观篇章语义表示方法和适用于宏观篇章关系识别的结构特征,从两个层面提高了模型分辨宏观篇章关系的能力。在汉语宏观篇章树库(MCDTB)上的实验表明,该模型在大类分类中F1值达到了68.22%,比基准系统提升了4.17%。

基于双向LSTM与CRF融合模型的否定聚焦点识别 下载：43 浏览：469

沈龙骧 邹博伟 叶静 周国栋 朱巧明 《当代中文学刊》 2019年3期

摘要:
否定表达作为自然语言文本中常见的语言现象,对自然语言处理上层应用,如情感分析、信息抽取等,具有十分重要的意义。否定聚焦点识别任务是更细粒度的否定语义分析,其旨在识别出句子中被否定词修饰和强调的文本片段。该文将该任务作为序列标注问题,提出了一种基于双向长短期记忆网络结合条件随机场(BiLSTMCRF)的否定聚焦点识别模型,其中,BiLSTM网络能够充分利用上下文信息并抓取全局特征,CRF层能够有效学习输出标签之间的前后依赖关系。在*SEM2012评测任务数据集上的实验结果表明,基于BiLSTM-CRF的否定聚焦点识别方法的准确率(accuracy)达到69.58%,与目前最好的系统相比,性能提升了2.44%。
[1/1]
|<
<
1
>
>|
在线客服：：点击联系客服
联系电话：：400-188-5008
客服邮箱：：service@ccnpub.com
投诉举报：：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享