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

基于改进Apriori算法的问题模板无监督抽取方法 下载：34 浏览：393

柯文俊1，2，3 高金华1 沈华伟1，2 刘悦1 程学旗4 《中文研究》 2020年3期

摘要:
在面向限定领域的事实型问答系统中，基于模板匹配的问答是一种有效且稳定的方法。然而，现有的问题模板构建方法通常是在有监督场景下进行的，导致其严重依赖于人工标注数据，同时领域间可扩展性较差。因此，该文提出了一种改进Apriori算法的无监督模板抽取方法。对于限定领域问题样本，加入短语有序特征来挖掘频繁项集，将频繁项作为问题模板的框架词；同时，使用TF-IDF来度量模板的信息量，去除信息量小的模板；特别地，为了获取项数较长的模板，为Apriori算法引入了支持度自适应更新机制；最终，借助命名实体识别进行槽位识别，并组合框架词和槽，得到问题模板。实验表明，该方法可以在限定领域的问答数据集上有效挖掘问题模板，并取得了比基线模型更好的抽取效果。

基于相似消息的流行度预测方法 下载：56 浏览：399

高金华1，2 沈华伟1，2 程学旗1，2 刘悦1 《中文研究》 2018年11期

摘要:
社交网络中消息的流行度预测问题在很多应用领域都有着重要意义。传统的流行度预测方法包括基于特征的方法和基于点过程的方法。基于点过程的方法无法利用历史消息的信息，而基于特征的方法则使用一个统一的模型来对所有的消息进行预测，没有考虑消息的特异性。因此，该文提出了一种基于相似消息的流行度预测方法。对于待预测微博，我们从历史消息选取出与之最相似的前K条消息来进行预测。在计算消息相似度时，我们借助了文档建模领域的LDA模型来学习消息的表示。在数据集上的实验结果表明，该方法可以有效发现在传播模式上与待预测消息相似的历史消息，并在流行度预测任务上取得了比对比模型更好的预测效果。

基于相似消息的流行度预测方法 下载：52 浏览：451

高金华1,2 沈华伟1,2 程学旗1,2 刘悦1 《当代中文学刊》 2018年11期

摘要:
社交网络中消息的流行度预测问题在很多应用领域都有着重要意义。传统的流行度预测方法包括基于特征的方法和基于点过程的方法。基于点过程的方法无法利用历史消息的信息,而基于特征的方法则使用一个统一的模型来对所有的消息进行预测,没有考虑消息的特异性。因此,该文提出了一种基于相似消息的流行度预测方法。对于待预测微博,我们从历史消息选取出与之最相似的前K条消息来进行预测。在计算消息相似度时,我们借助了文档建模领域的LDA模型来学习消息的表示。在数据集上的实验结果表明,该方法可以有效发现在传播模式上与待预测消息相似的历史消息,并在流行度预测任务上取得了比对比模型更好的预测效果。
[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