排序方式: 共有82条查询结果,搜索用时 15 毫秒
21.
22.
借鉴基于解释的学习中的一些方法,本文建立了一种基于解释的预测模型。该预测方法在领域知识较完善时,尽管仅有一个历史数据,同样可以得到一个高可信度的结果。 相似文献
23.
24.
25.
众所周知,实体-关系(E-R)方法是数据库概念模式设计中的一种非常实用的方法,它具有图形表示、分析容易、抽象性好、易读等优点。本文给出了一个基于E-R方法的时态数据模型,即时态实体-关系(TER)模型。TER模型不仅具有实体-关系模型的优点,而且还具备面向对象模型所具有的很多性质,表达能力强。此外,我们还讨论了TER的实现,为目前正努力实现的一个功能强大的面向对象的TDBMS打下了良好的基础。 相似文献
26.
27.
28.
一条关联规则是有趣的如果它满足最小支持度和可信度的限制.这导致大量平凡的规则产生.设计一个算法挖掘这样的有趣规则,它的前件和后件分别属于不同的概念类,称这种规则为类间桥.类间桥在行销中的交叉销售,生物工程中的嫁接,化学中的合成等应用中有重要的应用价值. 相似文献
29.
针对现有查询扩展存在的缺陷,将完全加权关联规则挖掘技术应用于查询扩展,提出新的查询扩展模型和扩展词权重的计算方法;提出基于完全加权关联规则挖掘的局部反馈查询扩展算法。该算法能自动从初检的前列文档中挖掘与原查询相关的完全加权关联规则,从规则中提取与原查询相关的扩展词,实现查询扩展。实验结果表明,与现有查询扩展算法比较,该查询扩展算法的检索性能得到很好的改善和提高。 相似文献
30.
基于深度学习的多标签文本分类方法存在两个主要缺陷:缺乏对文本信息多粒度的学习,以及对标签间约束性关系的利用.针对这些问题,提出一种多粒度信息关系增强的多标签文本分类方法.首先,通过联合嵌入的方式将文本与标签嵌入到同一空间,并利用BERT预训练模型获得文本和标签的隐向量特征表示.然后,构建3个多粒度信息关系增强模块:文档级信息浅层标签注意力分类模块、词级信息深层标签注意力分类模块和标签约束性关系匹配辅助模块.其中,前两个模块针对共享特征表示进行多粒度学习:文档级文本信息与标签信息浅层交互学习,以及词级文本信息与标签信息深层交互学习.辅助模块通过学习标签间关系来提升分类性能.最后,所提方法在3个代表性数据集上,与当前主流的多标签文本分类算法进行了比较.结果表明,在主要指标Micro-F1、MacroF1、nDCG@k、P@k上均达到了最佳效果. 相似文献