排序方式: 共有56条查询结果,搜索用时 0 毫秒
11.
研究复杂网络中社区发现方法对分析复杂网络的拓扑结构和层次结构、理解社区的形成过程、预测复杂网络的变化趋势、挖掘复杂网络蕴含的规律特征具有十分重要的意义。同时,复杂网络社区发现方法在众多实际领域还有广泛的应用前景。综述了复杂网络社区发现方法的研究现状,将社区发现方法分为无重叠社区发现、重叠社区发现、演化发展社区发现三个方面,并分析比较了算法时间复杂度和准确度。试图为社区发现方法的研究工作提供有益的帮助和参考。 相似文献
12.
13.
预训练语言模型虽然能够为每个词提供优良的上下文表示特征,但却无法显式地给出词法和句法特征,而这些特征往往是理解整体语义的基础.鉴于此,本文通过显式地引入词法和句法特征,探究其对于预训练模型阅读理解能力的影响.首先,本文选用了词性标注和命名实体识别来提供词法特征,使用依存分析来提供句法特征,将二者与预训练模型输出的上下文表示相融合.随后,我们设计了基于注意力机制的自适应特征融合方法来融合不同类型特征.在抽取式机器阅读理解数据集CMRC2018上的实验表明,本文方法以极低的算力成本,利用显式引入的词法和句法等语言特征帮助模型在F1和EM指标上分别取得0.37%和1.56%的提升. 相似文献
14.
15.
16.
基于聚类分析策略的用户偏好挖掘 总被引:5,自引:0,他引:5
利用训练文档集准确高效地挖掘隐藏的用户文本偏好和概念向量是文本信息过滤和多文档自动文摘等自然语言处理应用的关键技术之一。针对训练文本集中往往存在多个主题类别的问题,提出一种基于聚类分析策略的文本偏好挖掘方法。其基本思路是对训练文档集进行聚类处理,然后对同主题文档进行共性分析,并经过特征权值调整和特征约简,获得表示用户不同主题偏好的概念向量。实验结果表明该方法具有对用户的文本偏好刻画更加精确,对相关阈值变化不敏感等优点,可以与Rocchio等算法结合来进行用户兴趣建模。 相似文献
17.
机器阅读理解任务是衡量模型对于文本信息理解程度的一种重要方式,一直以来备受关注。近年来,很多学者在这一任务上提出了自己的模型,并取得了相当不错的成绩,其中一部分甚至已经超越了人工回答的准确率。然而,这些模型是否真正地、深入地理解了文本语义,还是仅依靠浅层的词语相似度和答案类型来进行简单的搜索?为了进一步评价阅读理解模型对于文章语义的理解程度,本文提出了一种基于Transformer结构的对抗数据生成方法,并对主流阅读理解模型进行了检测。 相似文献
18.
19.
文中介绍了Symbian操作系统的特点和系统组成,重点结合InSun语句级手机智能拼音汉字输入法的开发经历,详细论述了Symbian平台下FEP(Front End Processors)的开发模式以及涉及到的关键技术。 相似文献
20.
信息检索中的聚类分析技术 总被引:1,自引:0,他引:1
信息检索/搜索引擎技术的快速发展使得信息的查全率有较大提高,而查准率以及人们获取信息的效率改善却不明显。文本聚类和多文档关键词的自动生成技术将有助于解决这一问题。其基本思想是对检索到的部分文档进行聚类处理,并对每类文档自动生成关键词,从而帮助用户判断各个类别的文档和检索需求是否相关。该文提出文档相关度和类别相关度的概念,并利用词频信息以及知网(HOWNET)中词的概念计算模型计算类别相关度,将其作为聚类合并的依据。信息获取的仿真实验表明文档检索效率有较大提高。 相似文献