排序方式: 共有15条查询结果,搜索用时 15 毫秒
1.
2.
3.
随着互联网的普及应用,通过网络平台进行表达和交流的用户越来越多,在此过程中不可避免地会留下与个人相关的大量网络文本数据和信息,这些非结构化的文本数据往往体现着不同场景下的真实表达,反映了人们内在的心理特质及人格倾向.利用文本挖掘相关技术基于网络文本数据分析心理特质可以弥补传统心理测量方法易受应试动机等因素影响的缺陷.近年来,B E RT语言表示模型在文本分类、情感分析等任务上取得了很好的效果.针对网络文本数据构建心理特质预测模型,基于B E RT获取完整的上下文语义特征和长距离的上下文依赖关系;同时考虑到分类器内部结构的差异可能会导致不同的分类效果,在下游分类任务中分别采用BERTBASE模型的全连接层和经典的随机森林算法作为两种不同的分类器进行模型效果对比.结果显示,基于B E RT的文本分类模型能够有效实现心理特质的预测,平均准确率、平均精准率等各项指标都在97%以上. 相似文献
4.
校友录系统开发采用B/S的体系结构,在设计的时候采用了瘦Web客户端模式进行设计,将所有的对象放在服务器上,对象运行在Web服务器上。该文使用UML进行了系统建模,给出了系统的用例图、静态模型图,描述了页面的类型和相互关系,并给出了数据导入导出模块的实现。 相似文献
5.
6.
认知表现预测已经成为当前大脑研究的重要课题.功能磁共振成像技术由于同时具有较好的时间和空间分辨率,有潜力为认知表现预测提供数据支持.为了解决基于功能磁共振成像数据对认知表现进行预测时大脑所具有的时-空共变难刻画问题,提出了一种新型基于大脑学习机制的时-空共变混合深度学习模型,即深度稀疏自编码器与循环全连接网络混合模型,以混合神经网络模型的损失函数误差作为认知表现预测能力的评价标准.在人类连接组项目数据集上的实验结果表明,提出的时-空共变混合模型能够有效和稳健地预测认知表现,并提取到与人脑学习、记忆相关的有意义的脑影像特征,从而为认知表现预测提供技术支持. 相似文献
7.
8.
9.
在基于l2,1范数的特征选择方法中,l2,1范数可以使选择的特征具有组间稀疏性和组内稀疏性,同时还可以去除特征数据中的异常值。然而,大多数基于l2,1范数的特征选择算法常通过线性方程求解,无法探究特征之间的非线性关系。因此,本文提出了一种基于l2,1范数的非线性特征选择方法,将l2,1范数与神经网络相结合。一方面,该方法利用神经网络的非线性特性对l2,1范数进行求解。另一方面,该方法利用l2,1范数实现基于神经网络框架的特征选择。最后,本文将该方法与当前流行的特征选择方法在八个公开数据集进行了对比,实验结果验证了该方法具有一定的优越性。 相似文献
10.
在圆柱摩擦轮传动中,安装误差会对摩擦轮接触产生不良影响。对圆柱摩擦轮传动中正确安装和存在安装误差时摩擦轮的接触情况进行了深入研究。利用有限元仿真对圆柱摩擦轮进行了接触分析,得到了在正确安装和存在安装误差时摩擦轮的接触应力,并分析了各类安装误差对摩擦轮接触应力的影响程度。研究结果表明:安装偏心对摩擦轮的接触应力的影响与弹簧刚度有关;与扭转角相比,偏转角对摩擦轮的接触应力影响更大。 相似文献