全文获取类型
收费全文 | 81篇 |
免费 | 3篇 |
国内免费 | 7篇 |
专业分类
电工技术 | 4篇 |
综合类 | 9篇 |
化学工业 | 7篇 |
金属工艺 | 3篇 |
机械仪表 | 4篇 |
建筑科学 | 10篇 |
矿业工程 | 18篇 |
能源动力 | 4篇 |
轻工业 | 13篇 |
石油天然气 | 1篇 |
无线电 | 7篇 |
一般工业技术 | 3篇 |
冶金工业 | 4篇 |
自动化技术 | 4篇 |
出版年
2024年 | 4篇 |
2023年 | 1篇 |
2020年 | 1篇 |
2019年 | 1篇 |
2018年 | 1篇 |
2017年 | 1篇 |
2016年 | 1篇 |
2015年 | 1篇 |
2014年 | 6篇 |
2013年 | 8篇 |
2012年 | 9篇 |
2011年 | 11篇 |
2010年 | 9篇 |
2009年 | 4篇 |
2008年 | 4篇 |
2007年 | 1篇 |
2006年 | 2篇 |
2004年 | 3篇 |
2003年 | 2篇 |
2002年 | 3篇 |
2001年 | 5篇 |
2000年 | 3篇 |
1999年 | 1篇 |
1998年 | 4篇 |
1997年 | 2篇 |
1996年 | 2篇 |
1993年 | 1篇 |
排序方式: 共有91条查询结果,搜索用时 15 毫秒
91.
现有法语命名实体识别(NER)研究中,机器学习模型多使用词的字符形态特征,多语言通用命名实体模型使用字词嵌入代表的语义特征,都没有综合考虑语义、字符形态和语法特征。针对上述不足,设计了一种基于深度神经网络的法语命名实体识别模型CGC-fr。首先从文本中提取单词的词嵌入、字符嵌入和语法特征向量;然后由卷积神经网络(CNN)从单词的字符嵌入序列中提取单词的字符特征;最后通过双向门控循环神经网络(BiGRU)和条件随机场(CRF)分类器根据词嵌入、字符特征和语法特征向量识别出法语文本中的命名实体。实验中,CGC-fr在测试集的F1值能够达到82.16%,相对于机器学习模型NERC-fr、多语言通用的神经网络模型LSTM-CRF和Char attention模型,分别提升了5.67、1.79和1.06个百分点。实验结果表明,融合三种特征的CGC-fr模型比其他模型更具有优势。 相似文献