BIGRU相关论文
【目的】提升模型对文本结构特征和文本特征间关联性的感知，充分挖掘文本内在语义，深层次指导抽取任务。【方法】对文本、句法和词性......
短期电力负荷预测在电力系统的生产计划安排与实际运行调度中起着十分关键的作用,在学术领域中也一直是热点研究问题。由于电力系......
方面级情感分析是自然语言处理领域的一项重要研究任务,能够从细粒度层面挖掘文本中特定方面（如:价格、服务）的情感观点,并对其进行......
随着全球能源逐渐紧缺,类似于太阳能等清洁能源受到各国青睐,大规模光伏发电站并入电网已然是大势所趋。然而,光伏发电易受温度,湿......
[目的]提出AttentionSBGMC深度学习模型,以提升引文情感和引文目的分类的性能.[方法]采用SciBERT预训练模型得到语料集中句子的语......
作为旋转机械的核心部件,滚动轴承广泛应用于交通、航空、高端精密机床、仪表仪器等重要领域,起着支承转动轴及零件的重要作用。因......
文本情感分析作为自然语言处理领域的一个重要研究方向,能够有效的分析出文本包含的各种情感信息。面对互联网文本资源爆炸式增长......
代码复用可以有效缩短软件开发的时间,而代码搜索是代码复用的主要途径.提出了一种基于程序切片和BiGRU的代码搜索方法,该方法通过......
将深度学习应用于医疗问答是目前最热门的话题之一,一般使用单一神经网络(CNN或RNN)获取句子间语义信息来提高匹配精度。但是该方......
传统事件主体抽取方法着重依赖句子级信息进行抽取,不能完全解决事件的模糊性问题。提出一种基于门控多层次注意机制的ELMo-BiGRU......
【目的】为了识别网络新闻中的标题党现象,提出一种以中文BERT模型为基础,结合BiGRU和融合注意力机制的标题党新闻检测方法。【方......
细粒度情感分析(fine-grained sentiment analysis)是自然语言处理领域的关键问题之一,其通过学习文本的上下文信息来进行特定方面......
传统的文本分类一般采用单标签形式,但现实生活中多标签文本比单标签文本具有更广泛的应用场景。本文提出一种BiGRU-Capsule模型的......
随着社会快速发展,互联网规模越来越庞大,多元化的网络应用类型层出不穷。技术的发展和应用种类的繁多满足了人们全方位的需求,同......
[目的/意义]金融领域实体关系抽取是构造金融知识库的基础,对金融领域的文本信息利用具有重要作用.本文提出金融领域实体关系联合......
伴随着信息技术的迅猛发展,互联网每天都会产生海量的数据。数据分类是信息管理的一种重要手段而文本分类是数据分类中重要的一种......
随着大数据时代的到来,信息爆炸和信息过载的问题逐渐明显,搜索引擎只能返回与人们需求相关的一系列网页,已经无法满足用户需要。......
为提高水电机组振动趋势预测的准确率,本研究提出了一种基于最大信息系数(MIC)与双边门控循环神经网络(BiGRU)的水电机组振动趋势......
在复杂交通环境中行驶的智能汽车需要预测未来周围车辆的动向,为了提升智能汽车快速且准确预测周围车辆驾驶行为及轨迹的能力,设计......
针对维吾尔语命名实体识别存在无法关注词序列依赖关系等问题,提出一种基于迁移学习的联合深度模型(TBIBC).首先通过BERT(Bidirect......
互联网敏感实体识别是命名实体识别(NER)在特定领域的应用,主要任务是在互联网场景下识别文本数据中的不同类型的敏感实体。本文提......
电子邮件是一种重要的通信工具,但是垃圾邮件问题一直影响着人们日常的工作生活。不断改进垃圾邮件的检测技术、提高垃圾邮件的检......
随着互联网井喷式发展,社交媒体发展迅猛,但是伴随网络匿名特性出现的失范现象时有发生,如何准确判定社交媒体用户从属问题亟待解......
针对目前智能医疗诊断领域的研究现状,结合心电信号的时序性和多导联关联性特点,为降低心肌梗死疾病的误诊率,提出一种基于双向门......
关键词可以高效地用于检索、理解文本内容,使用户快速获取文本的主要思想。现有的关键词提取技术提取的关键词质量尚不理想,这不利......
近年来,随着我国风电装机容量的持续增加,目前我国的风电累计装机容量已经位居全球首位。风力发电系统在运行过程中,大量风电事故......
随着计算机技术的快速发展以及人工智能与多个领域的结合使用,人工智能相关技术在生产生活中所提供的便利也让人们认识到人工智能......
语音信号中包含了各种各样的语音信息和各种丰富的情绪状态,为了更高效快捷地进行人机交互,研究语音信号中蕴含的情感特征,理解其......
随着深度学习技术的飞速发展和在医疗领域的广泛应用,智慧医疗在我们生活中扮演着越来越重要的角色,逐渐形成了新的技术革命。然而......
随着科学技术水平不断提高,互联网得到迅速发展,以互联网为纽带带动了包括商业贸易、服务业、娱乐休闲、公益等各个行业迅速发展,......
近几年,随着社会水平不断提高,私家车已经成为人们出行不可或缺的代步工具,但是便捷中给交通造成很大的压力,随之出现交通拥堵和环......
电力调度领域命名实体识别是电力知识图谱构建步骤中的重要一环,目前存在基于机器学习和深度学习模型被用于通用领域或是其他专业......
针对维吾尔语命名实体识别存在无法关注词序列依赖关系等问题,提出一种基于迁移学习的联合深度模型(TBIBC).首先通过BERT(Bidirect......
针对传统卷积神经网络(CNN)同层神经元之间信息不能互传,无法充分利用同一层次上的特征信息,以及无法提取长距离上下文相关特征的......
对裁判文书中判决结果的倾向性分析是完成律师推荐系统的前提,如何高效的实现判决结果倾向性分析是本文的重点.本文提出了基于注意......
针对微博文本内容的即时性、随意性、碎片性,本文提出将网络流行语词库、微博表情词词库、网络流行词词库加入到结巴分词词库中,以......
针对自然语言在语句结构上有着较强的前后依赖关系,提出一种基于BERT的复合网络模型进行中文新闻分类。首先利用BERT的基于注意力......
本文针对传统的机器学习在进行命名实体识别时,需人工构造规则模板或特征工程等问题,提出一种基于Word2Vec训练的字向量的Bi-GRU-C......
随着信息时代的到来,微博作为数据共享和信息服务的载体,已成为大众化服务模式下意见发布和情感反馈的平台。为了更好地研究微博文......
针对经典BiLSTM-CRF命名实体识别模型训练时间长、无法解决一词多义及不能充分学习文本上下文语义信息的问题,提出一种基于BERT-Bi......
针对互联网用户在线评论文本情感分类不准确的问题,提出一种基于BERT和BiGRU的在线评论文本情感分类模型.该模型首先使用Word2Vec......
针对传统用户意图识别主要使用基于模板匹配或人工特征集合方法导致成本高、扩展性低的问题,提出了一种基于BERT词向量和BiGRU-Att......
针对传统卷积神经网络(CNN)缺乏句子体系特征的表示,以及传统双向门限循环神经网络(BiGRU)缺乏提取深层次特征能力。以中文文本为......
情感分析是自然语言处理(NLP)中十分重要的环节,随着网络发展人们在网络生活中留下的大量情感评论信息。已有的研究大量使用循环神......
近年来伴随互联网以及多媒体技术的发展,数字音乐资源呈现爆发式增长。面对海量的互联网音乐资源和越来越丰富的应用场景,通过音乐......
文本相似度,即文本间语义的相似程度,并以此判断不同文本间是否表达相同的语义。文本相似度,在智能客服、智能语音、搜索引擎、推......
